让人郁闷的random.shuffle

最近因为自己的疏忽，出现了一个比较严重的问题，让我查了好几天，最后才发现问题，原来主要问题我用了random.shuffle,强力建议大家以后少用random.shuffle,尽量用numpy.random.shuffle。

我本来是想把训练样本打乱，然后划分测试集和训练集，我用了random.shuffle，结果杯具了，分类效果非常好，好的我无法相信，最后我反复排查，原来是用random.shuffle打散出了问题。我做了个实验：

a = np.arange(1,10).reshape(-1,3)
b = a.copy()
print (a)
random.shuffle(a)
print('=========')
print(a)
print('========')
np.random.shuffle(b)
print(b)

输出结果为：

[[1 2 3]
 [4 5 6]
 [7 8 9]]
=========
[[1 2 3]
 [4 5 6]
 [4 5 6]]
========
[[4 5 6]
 [1 2 3]
 [7 8 9]]

  所以，我打散后很多训练集和验证集是重复的，怪不得分类效果那么好，真想不通为什么random包里面的shuffle结果这样，一直以为它和numpy.random效果一样呢。random.shuffle对一维数组或者二维list没有问题，但是对二维数组，结果并不是我们预期。