python打乱训练集测试集数据的函数

python打乱训练集测试集数据的函数

在深度学习的编程中，时常要遇到打乱数据集测试集的场景，tensorflow和其他框架可能都会提供了不同的接口去实现这个功能，不过我都感觉太麻烦了，百度上面也没有比较好的封装函数。所以自己写了一个自己觉得比较好用的函数。可以直接使用。可供参考。

直接上代码

'''
	Args:	
		data:数据
		label：标签
		deepth：转化成one_hot变量时传入的参数如果为-1则不转化为onehot
		tag：标记参数，如果tag为1 则将训练集数据转化成numpy数组并且将标签转化为onehot变量
'''
def data_split(data,label,deepth=-1,tag=1):
  len(data)
  total_label=len(label)
  label_index=np.arange(0,total_label)
  np.random.shuffle(label_index)
  train_num=int(total_label*0.8)
  X_train=[]
  y_train=[]
  #打乱训练集
  for i in label_index[:train_num]:
    X_train.append(data[i])
    y_train.append(label[i])
  X_test=[]
  y_test=[]
  #打乱测试集
  for i in label_index[train_num:]:
    X_test.append(data[i])
    y_test.append(label[i])
  if tag==1 and depth!=-1:
    X_train=np.asarray(X_train)
    X_test=np.asarray(X_test)
    y_train=tf.one_hot(y_train,depth=deepth)
    y_test=tf.one_hot(y_test,depth=deepth)
  return X_train, X_test, y_train, y_test

可以直接使用代码。

#需要导入的包
import numpy as np
import tensorflow as tf

源数据是50000的长度，按照8：2的比例分割训练集和测试集。
随机打乱的功能在函数中已经实现了，可以直接调用函数传入参数后使用。非常好用。
（大佬勿喷，自己随便写的）