np.random.shuffle()+random.seed()设定随机种子，多次打乱，打乱规则固定-Toy模板网

这篇具有很好参考价值的文章主要介绍了np.random.shuffle()+random.seed()设定随机种子，多次打乱，打乱规则固定。希望对大家有所帮助。如果存在错误或未考虑完全的地方，请大家不吝赐教，您也可以点击"举报违法"按钮提交疑问。

在打乱数据集的时候遇到了这样一个问题：我有两组数据集，一组是image，一组是mask（语义分割任务，与本文无关），image和mask里都是图片，且一一对应，即image里的第一张图片对应mask里的第一张图片，不能乱，因此打乱数据集的时候要对image和mask以同样的顺序打乱。

比如，我有数组

a=[1,2,3,4,5]

b=["a","b","c","d","e"]

1对应“a”，2对应“b”…打乱以后，应该是(比如

a=[5,3,4,2,1]

b=["e","c","d","b","a"]，1和“a”、2和“b”之间的位置仍然是对应的

np.random提供了shuffle函数，用来打乱数组。但shuffle每次打乱的顺序是随机的： np.random.shuffle()+random.seed()设定随机种子，多次打乱，打乱规则固定

这样得到的结果，第一轮1对应“b”，第二轮1对应“e”明显对应关系乱了。

本来以为shuffle会提供一个形参，对应随机种子，控制每次的打乱顺序（像train_test_split那个函数一样），但查了官网，木有，shuffle只接受一个输入参数：

np.random.shuffle()+random.seed()设定随机种子，多次打乱，打乱规则固定

那咋办嘞？random其实还提供了seed函数，用于固定离它最近的那个函数的随机状态（并不完全准确，下面的例子会说明）。听着可能有点拗口，看下面这个例子就好理解了~

当只添加一个seed。假设一个seed能够作用于全域，那么a和b打乱规则应相同，打乱后仍应该保持对应关系，但结果显然不是。仔细观察可以发现，其实三次shuffle(a)都是按同一规则打乱的（第三个数变为第一个，第四个数变为第二个，第一个数变为第三个，第五个数变为第四个，第二个数变为第五个）。注意，因为shuffle函数是在原数组上直接操作的，不是生成一个新的打乱的数组，因此一次shuffle(a)之后，a就变成了打乱后的样子（如图，第二次循环打乱其实也是按照上述的规则打乱的，只不过是基于第一次循环打乱的结果）。由此可见，seed成功使离其最近的shuffle(a)使用了固定的打乱规则。

但为什么上文说，seed用于固定离它最近的那个函数的随机状态是不完全准确的呢？其实，三次shuffle(b)也是按相同的规则打乱的，但该规则不同于shuffle(a)的规则，因此，并不能保留a、b之间的对应关系。

对比没有添加seed的结果，添加了一个seed，能够使每个shuffle保持各自的打乱规则，但不能将每个shuffle的打乱规则统一。（我对这个结果并不很理解，还望大佬指出，感谢~）

np.random.shuffle()+random.seed()设定随机种子，多次打乱，打乱规则固定