Python3中random.shuffle函数的使用陷阱与注意事项

小石头

发布时间：2026-10-13 | 5人浏览过

原创

本文详解Python中random.shuffle函数的核心特性：该函数仅对列表进行原地随机排序，不返回任何值（None）。文章通过错误示例展示直接赋值导致的TypeError，并给出正确调用方式。同时对比了numpy.random.permutation的行为差异，帮助开发者避免常见坑点，确保代码逻辑正确。

random.shuffle函数的核心特性

在使用Python进行数据处理时，random模块提供的shuffle函数是一个常用工具，但其行为与其他常见函数存在显著差异，需要特别注意。

必须明确一点：shuffle函数没有返回值！它仅仅是实现了对list元素进行随机排序的一种功能。如果尝试获取其返回值，将会得到None。

常见错误与正确用法

接下来通过具体代码示例，展示开发者在使用该函数时容易遇到的典型错误。

1.1 误认为shuffle函数会有一个返回值的错误例子


num1 = list(range(1,39526)) #产生1-39525的数
num2 = random.shuffle(num1)
num3 = num2[0:30000] #取前30000个行号的元素
num4 = num2[30000:39524] #取到后面9525个元素

执行结果：


 File "E:/pythonProj/test2/readDatasetCSVfile.py", line 122, in <module>
 num3 = num2[0:30000] #取前30000个行号的元素
 TypeError: 'NoneType' object is not subscriptable

从这个错误中我们也可以看出来，指明obiect没有类型，其实现在这个num2中是null，什么也没有，因为shuffle没有返回值，所以自然会报这种类型的错误。

1.2 正确使用shuffle函数的例子


num1 = list(range(1,39526)) #产生1-39525的数
random.shuffle(num1) #注意shuffle没有返回值，该函数完成一种功能，就是对list进行排序打乱
num3 = num1[0:30000] #取前30000个行号的元素
num4 = num1[30000:39524] #取到后面9525个元素

这个时候才顺利运行通过！

shuffle与permutation的区别

补充拓展：对python中使用shuffle和permutation对列表进行随机洗牌的区别

函数：shuffle将列表的所有元素随机排序，不生成新的数组返回

示例：


import random

list = [20, 16, 10, 5];
random.shuffle(list) # 参数只能是列表，元组、字典、字符串会报错
print("随机排序列表 : ", list)
random.shuffle(list)
print("随机排序列表 : ", list)

执行结果：

函数：permutation 返回排列范围的随机列表或返回一个新的打乱顺序的数组，并不改变原来的数组，

如果输入是一个多维数组，则它只沿其第一个索引进行无序排列

示例：


import numpy as np
new_arr = np.random.permutation(10)
print(new_arr)
new_arr1 = np.random.permutation([1, 4, 9, 12, 15]) # 参数为列表
print(new_arr1)
arr = np.arange(9).reshape((3, 3))
new_arr2 = np.random.permutation(arr)
print(new_arr2)
new_arr3 = np.random.permutation([{"a": 1, "b": 2}, [{"e": 5}, {"c": 3}, {"d": 4}], [{"f": 6}, {"g": 8}]])# 子数组中的排列顺序不变
print(new_arr3)
new_arr4 = np.random.permutation((1, 4, 9, 12, 15)) #可以传元组参数
print(new_arr4)
import numpy as np
new_arr = np.random.permutation(10)
print(new_arr)
new_arr1 = np.random.permutation([1, 4, 9, 12, 15])
print(new_arr1)
arr = np.arange(9).reshape((3, 3))
new_arr2 = np.random.permutation(arr)
print(new_arr2)
new_arr3 = np.random.permutation([{"a": 1, "b": 2}, [{"e": 5}, {"c": 3}, {"d": 4}], [{"f": 6}, {"g": 8}]]) # 子数组中的排列顺序不变
print(new_arr3)

执行结果：