在计算机中，机器学习训练是以每个batch为训练单位，并反向传播一次。将一个batch看作一次学习过程，怎么才能学的好呢，当然是学习对的东西，也就是样本要尽可能接近真实的概率分布(模型学习的本质就是去拟合真实的概率分布)。随机打乱后的一段样本比排序后的更加接近真实分布，排序后多了一层相关性，一定程度上表现出不同的概率分布，因此要打乱数据。那在python中有没有打乱顺序，又不影响内容的办法呢？答案当然是有的，就是我们的shuffle()函数。

一、shuffle()函数

是打乱序列里面的元素，并随机排列的。

作用是混排序列中的元素，序列中元素顺序改变，但其内容不变。

二、使用说明

import random
random.shuffle (alist )

注意：alist可以使是一个列表，也可以是个序列。shuffle()是不能直接访问的，需要导入random模块。

三、shuffle() 方法

1、将单列表的所有元素随机排列

>>>import random

>>>list =[0,1,2,3,4,5,6,7,8,9]

>>>random.shuffle(list)

>>>list

[6,2,4,7,9,3,1,5,8,0]

2、将单列表的所有元素随机排列

a、b、c都是二维列表，我们将a、b、c作为shuffle的参数洗牌打乱一下，发现结果是二维列表行内的顺序不变，列的顺序发生了变化，并且a、b、c三个二维列表的变化是一致的。

from sklearn.utils import shuffle
a = [[1, 2, 3],
     [4, 5, 6],
     [7, 8, 9]]
b = [[10, 11, 12],
     [13, 14, 15],
     [16, 17, 18]]
c = [[19, 20, 21],
     [22, 23, 24],
     [25, 26, 27]]
a, b, c = shuffle(a, b, c)
print(a)
print(b)
print(c)

输出：

[[7, 8, 9], [4, 5, 6], [1, 2, 3]]

[[16, 17, 18], [13, 14, 15], [10, 11, 12]]

[[25, 26, 27], [22, 23, 24], [19, 20, 21]]

shuffle()函数既可以打乱列表，也可以打乱序列，既可以打乱单列表，也可以打乱多列表。关键是它不影响内容，便于测试使用