1. ‌基本功能‌

• 用于生成输入数据的随机排列副本，‌不修改原数据‌。输入可以是数组或整数：
  • 若输入整数 n，返回 np.arange(n) 的随机排列‌。
  • 若输入数组/列表/元组，返回元素随机排列后的新数组‌。

2. ‌多维数组处理‌

• 对多维数组（如矩阵），默认仅打乱‌第一个维度‌（如行顺序），其他维度保持不变‌。

  arr = np.array([[1, 2], [3, 4], [5, 6]])  
  print(np.random.permutation(arr))  
  # 输出示例：[[3 4], [1 2], [5 6]]  
  

3. ‌与 np.random.shuffle() 的区别‌

• permutation() 返回新数组，原数据不变；shuffle() 直接修改原数据，无返回值‌。

  data = [1, 2, 3]  
  a = np.random.permutation(data)  # 原数据不变  
  np.random.shuffle(data)          # 原数据被修改  
  

4. ‌典型应用场景‌

• ‌数据与标签同步打乱‌：生成相同随机索引，保持数据与标签的对应关系‌。

  m = 5  # 样本数  
  permutation = np.random.permutation(m)  
  shuffled_X = X[permutation]  
  shuffled_Y = Y[permutation]  
  

5. ‌示例代码‌

• ‌输入整数‌：

  print(np.random.permutation(5))  # 输出示例：[2 0 3 1 4]‌

• ‌输入一维数组‌：

  data = np.array([1, 2, 3])  
  print(np.random.permutation(data))  # 输出示例：[3 1 2]‌

  ‌输入多维数组‌：

• matrix = np.arange(9).reshape(3, 3)  
  print(np.random.permutation(matrix))  
  # 输出示例：[[6 7 8], [0 1 2], [3 4 5]]‌

6. ‌注意事项‌

• 对非整数类型（如浮点数、字符串）的数组同样适用‌。
• 若需固定随机结果，需提前设置随机种子（如 np.random.seed(0)）‌