mxnet.ndarray.random.shuffle、numpy.random.shuffle、random.shuffle的区别(书写格式和输入区别）

区别

区别 random.shuffle numpy.random.shuffle mxnet.ndarray.random.shuffle
输入a list、array行，ndarray不行 list、array、ndarray都行 只能是ndarray
格式 random.shuffle(a) np.random.shuffle(a) b = nd.random.shuffle(a)
输出 a变化 a变化 a不变化，b变化

-----------😐-------------😐-------------😐-------------😐-------------😐-------------😐-------------😐-------------😐-------------😐-------------😐---------

1.实验random.shuffle

在这里插入图片描述

random.shuffle的输入可以是list，原list发生变化，不需要赋值给其他变量
在这里插入图片描述

random.shuffle的输入可以是array，原array发生变化，不需要赋值给其他变量
在这里插入图片描述

random.shuffle的输入不可以是ndarray
在这里插入图片描述

2.实验numpy.random.shuffle

numpy.random.shuffle的输入可以是list，原list发生变化，不需要赋值给其他变量
在这里插入图片描述

numpy.random.shuffle的输入可以是array，原array发生变化，不需要赋值给其他变量
在这里插入图片描述

numpy.random.shuffle的输入可以是ndarray，原ndarray发生变化，不需要赋值给其他变量
在这里插入图片描述

3.实验mxnet.ndarray.random.shuffle

mxnet.ndarray.random.shuffle的输入不可以是list，并且报错
在这里插入图片描述

mxnet.ndarray.random.shuffle的输入不可以是array，并且报错
在这里插入图片描述
)

numpy.random.shuffle的输入可以是ndarray，原ndarray不发生变化，需要赋值给其他变量
在这里插入图片描述

# python # numpy # mxnet
Logo
AI编程社区

汇聚全球AI编程工具，助力开发者即刻编程。

更多推荐

AI原生应用领域混合推理技术的最新进展

当我们谈论AI原生应用（如ChatGPT、GitHub Copilot、智能诊疗系统）时，“灵活但不可靠”“准确但不智能”的矛盾始终是绕不开的痛点——纯神经模型（如大语言模型）像“凭直觉做题的学生”，擅长处理复杂场景却常犯“幻觉”错误；纯符号系统（如传统专家系统）像“死记硬背的书呆子”，逻辑严谨却无法应对非结构化数据。混合推理技术。

avatar AI编程社区
cover

技术速递｜如何使用 Playwright MCP 和 GitHub Copilot 调试 Web 应用

avatar AI编程社区

小白也能学会，OpenAI的Codex新玩法，让它成为你的7x24小时AI员工

这套玩法的核心，是利用跨平台的异步协作，将我们的碎片化时间和AI的强大执行力完美结合。AI不再是一个需要你时刻监督的实习生，而是一个可以独立完成任务、多线程工作的可靠团队。这可能也是AI编程的未来范式。

avatar AI编程社区