在深度學習的數據訓練過程中，雖然tensorflow和pytorch都會自帶打亂數據進行訓練的方法，但是當我們自己生成數據，或者某些情況下依然要自己手動打亂順序。

這里介紹如何以相同規律打亂X，Y兩組數據，多組數據相同道理。

產生相同的種子(seed)打亂順序：

import randomseed =50x_batch, y_batch,start_num = train_load_order_sharp_5_9(image_list, num, start_num,length)#加載我所有的數據,這里想x_batch,Y_batch是list的格式,要注意random.seed(seed)random.shuffle(x_batch)random.seed(seed)#一定得重復在寫一遍,和上面的seed要相同,不然y_batch和x_batch打亂順序會不一樣random.shuffle(y_batch)第二種：zip的方式,更加高效：(同第一種,X,Y是list的格式,不是array)

from random import shuffleshuffle_data=Trueif shuffle_data: c = list(zip(x_batch,y_batch)) shuffle(c) x_batch,y_batch = zip(*c)舉個例子：

>>> a=[1,2,3,4]>>> b=[11,22,33,44]>>> c=list(zip(a,b))>>> shuffle(c)>>> a,b = zip(*c)>>> a(2, 4, 3, 1)>>> b(22, 44, 33, 11)#這里就讓a,b以相同的規律被打亂

補充：python打亂列表的方法解決問題_Python 如何隨機打亂列表(List)排序

現在有一個list:[1,2,3,4,5,6]，我需要把這個list在輸出的時候，是以一種隨機打亂的形式輸出。

專業點的術語：將一個容器中的數據每次隨機逐個遍歷一遍。

注意：不是生成一個隨機的list集。

環境：

Python 3.6

有人可能會通過Random內置函數，來間接實現想要的結果。但是這種方式，太原始，也不夠優雅，而且有種重復造輪子的嫌疑。這里我就不貼我自己通過random實現的效果了。

Random中有一個random.shuffle()方法提供了完美的解決方案。代碼如下：

x = [1,2,3,4,5,6]random.shuffle(x)print(x)

輸出結果：

第一次輸出內容：[6, 5, 1, 3, 2, 4]

第二次輸出內容：[6, 1, 3, 5, 2, 4]

第三次輸出內容：[5, 3, 1, 2, 4, 6]

從結果我們可以看出，輸出是完全隨機的，代碼量就兩行，不需要random，不需要for循環。

源碼解讀：

def shuffle(self, x, random=None):'''Shuffle list x in place, and return None.

原位打亂列表，不生成新的列表。

Optional argument random is a 0-argument

function returning a random float in [0.0, 1.0);

if it is the default None,

the standard random.random will be used.

可選參數random是一個從0到參數的函數，返回[0.0,1.0)中的隨機浮點；

如果random是缺省值None，則將使用標準的random.random()。

'''if random is None:randbelow = self._randbelowfor i in reversed(range(1, len(x))):# pick an element in x[:i+1] with which to exchange x[i]j = randbelow(i + 1)x[i], x[j] = x[j], x[i]else:_int = intfor i in reversed(range(1, len(x))):# pick an element in x[:i+1] with which to exchange x[i]j = _int(random() * (i + 1))x[i], x[j] = x[j], x[i]

注意 ：

從代碼的注釋，我們看到random.shuffle()是對原list做修改，如果需要保留原list，請注意這個細節。

以上為個人經驗，希望能給大家一個參考，也希望大家多多支持好吧啦網。如有錯誤或未考慮完全的地方，望不吝賜教。