Questions tagged «shuffle»

我正在使用包含大量文档的nltk图书馆movie_reviews语料库。我的任务是在没有数据预处理的情况下获得这些评论的预测性能。但是有一个问题，在列表中documents，documents2我有相同的文档，因此我需要对它们进行混洗，以便在两个列表中保持相同的顺序。我无法分别对它们进行洗牌，因为每次我对列表进行洗牌时，都会得到其他结果。这就是为什么我需要用相同的顺序立即将其洗牌，因为最后需要比较它们（取决于顺序）。我正在使用python 2.7 示例（实际上是字符串标记化的字符串，但不是相对的）： documents = [(['plot : two teen couples go to a church party , '], 'neg'), (['drink and then drive . '], 'pos'), (['they get into an accident . '], 'neg'), (['one of the guys dies'], 'neg')] documents2 = [(['plot two teen couples church party'], 'neg'), (['drink then …

88 python  list  sorting  shuffle 

为什么要用Pythonrandom.shuffle返回None？ >>> x = ['foo','bar','black','sheep'] >>> from random import shuffle >>> print shuffle(x) None 我如何获得改组后的值而不是None？

88 python  list  random  shuffle 

我想用一个简单的单行命令随机重组向量中数字的顺序吗？ 我的特定向量V从1到10的每个值都有150个条目： V <- rep(1:10, each=150)

80 r  vector  random  shuffle 

就像背景一样，我知道Fisher-Yates完美的随机播放。它的O（n）复杂度和保证的均匀性是一个很好的改组，如果在允许就地更新数组的环境中使用它，我真是个傻瓜（所以在大多数情况下，如果不是全部，命令式编程环境）。 遗憾的是，函数式编程世界无法让您访问可变状态。 但是，由于Fisher-Yates的缘故，我没有太多关于如何设计改组算法的文献。在解决这个问题的几个地方都做了简短的说明，然后才说“实际上是Fisher-Yates，这是您需要知道的所有内容”。最后，我必须提出自己的解决方案。 我想出的解决方案是这样的，它可以随机排列任何数据列表： 如果列表为空，则返回空集。 如果列表中有单个项目，则返回该单个项目。 如果列表非空，请使用随机数生成器对列表进行分区，然后将算法递归应用于每个分区，以组合结果。 在Erlang代码中，它看起来像这样： shuffle([]) -> []; shuffle([L]) -> [L]; shuffle(L) -> {Left, Right} = lists:partition(fun(_) -> random:uniform() < 0.5 end, L), shuffle(Left) ++ shuffle(Right). （如果对您来说，这看起来像是一种疯狂的快速排序，那么基本上就是这样。） 因此，这就是我的问题：使得费舍尔-耶茨（Fisher-Yates）很难找到改组算法的情况使寻找工具来分析改组算法同样困难。在分析PRNG的均匀性，周期性等方面，我可以找到很多文献，但是关于如何分析混洗的信息却很少。（实际上，我发现的有关分析混洗的一些信息完全是错误的，很容易通过简单的技术来欺骗。） 所以我的问题是：我该如何分析我的改组算法（假设random:uniform()调用是由生成具有良好特征的适当随机数的任务决定的）？我可以使用哪些数学工具来判断，例如，在1..100范围内的整数范围内的100,000次混洗运行是否给了我很好的混洗结果？我已经进行了一些测试（例如，将随机播放中的增量与减量进行比较），但是我想知道更多一些内容。 并且，如果对这种随机播放算法本身有任何见解，也将不胜感激。

77 algorithm  functional-programming  shuffle 

numpy.random.shuffle(x)和之间有什么区别numpy.random.permutation(x)？ 我已经阅读了文档页面，但是当我只想随机地对数组元素进行随机排列时，我不明白两者之间是否有任何区别。 确切地说，假设我有一个数组x=[1,4,2,8]。 如果我想生成x的随机排列，那么shuffle(x)和之间有什么区别permutation(x)？

77 python  numpy  scipy  permutation  shuffle 

著名的Fisher-Yates随机播放算法可用于随机排列长度为N的数组A： For k = 1 to N Pick a random integer j from k to N Swap A[k] and A[j] 一遍又一遍地告诉我不要犯的一个常见错误是： For k = 1 to N Pick a random integer j from 1 to N Swap A[k] and A[j] 也就是说，您不是从k到N中选择一个随机整数，而是从1到N中选择了一个随机整数。 如果您犯了这个错误怎么办？我知道结果排列不是均匀分布的，但是我不知道对结果分布有什么保证。特别是，是否有人对元素的最终位置上的概率分布有表达式？

73 algorithm  language-agnostic  math  random  shuffle