Misture duas listas de uma vez com a mesma ordem

Estou usando o corpus nltkda biblioteca, movie_reviewsque contém um grande número de documentos. Minha tarefa é obter o desempenho preditivo dessas revisões com pré-processamento dos dados e sem pré-processamento. Mas há um problema, em listas documentse documents2eu tenho os mesmos documentos e preciso embaralhá-los para manter a mesma ordem nas duas listas. Não posso embaralhá-los separadamente porque cada vez que embaralho a lista, obtenho outros resultados. É por isso que preciso embaralhar os de uma vez com a mesma ordem, porque preciso compará-los no final (depende da ordem). Estou usando o python 2.7

Exemplo (na realidade, são strings com token, mas não é relativo):

documents = [(['plot : two teen couples go to a church party , '], 'neg'),
             (['drink and then drive . '], 'pos'),
             (['they get into an accident . '], 'neg'),
             (['one of the guys dies'], 'neg')]

documents2 = [(['plot two teen couples church party'], 'neg'),
              (['drink then drive . '], 'pos'),
              (['they get accident . '], 'neg'),
              (['one guys dies'], 'neg')]

E preciso obter este resultado após embaralhar as duas listas:

documents = [(['one of the guys dies'], 'neg'),
             (['they get into an accident . '], 'neg'),
             (['drink and then drive . '], 'pos'),
             (['plot : two teen couples go to a church party , '], 'neg')]

documents2 = [(['one guys dies'], 'neg'),
              (['they get accident . '], 'neg'),
              (['drink then drive . '], 'pos'),
              (['plot two teen couples church party'], 'neg')]

Eu tenho este código:

def cleanDoc(doc):
    stopset = set(stopwords.words('english'))
    stemmer = nltk.PorterStemmer()
    clean = [token.lower() for token in doc if token.lower() not in stopset and len(token) > 2]
    final = [stemmer.stem(word) for word in clean]
    return final

documents = [(list(movie_reviews.words(fileid)), category)
             for category in movie_reviews.categories()
             for fileid in movie_reviews.fileids(category)]

documents2 = [(list(cleanDoc(movie_reviews.words(fileid))), category)
             for category in movie_reviews.categories()
             for fileid in movie_reviews.fileids(category)]

random.shuffle( and here shuffle documents and documents2 with same order) # or somehow

Você pode fazer isso como:

import random

a = ['a', 'b', 'c']
b = [1, 2, 3]

c = list(zip(a, b))

random.shuffle(c)

a, b = zip(*c)

print a
print b

[OUTPUT]
['a', 'c', 'b']
[1, 3, 2]

Claro, este foi um exemplo com listas mais simples, mas a adaptação será a mesma para o seu caso.

Espero que ajude. Boa sorte.

Eu consigo uma maneira fácil de fazer isso

import numpy as np
a = np.array([0,1,2,3,4])
b = np.array([5,6,7,8,9])

indices = np.arange(a.shape[0])
np.random.shuffle(indices)

a = a[indices]
b = b[indices]
# a, array([3, 4, 1, 2, 0])
# b, array([8, 9, 6, 7, 5])

from sklearn.utils import shuffle

a = ['a', 'b', 'c','d','e']
b = [1, 2, 3, 4, 5]

a_shuffled, b_shuffled = shuffle(np.array(a), np.array(b))
print(a_shuffled, b_shuffled)

#random output
#['e' 'c' 'b' 'd' 'a'] [5 3 2 4 1]

Misture um número arbitray de listas simultaneamente.

from random import shuffle

def shuffle_list(*ls):
  l =list(zip(*ls))

  shuffle(l)
  return zip(*l)

a = [0,1,2,3,4]
b = [5,6,7,8,9]

a1,b1 = shuffle_list(a,b)
print(a1,b1)

a = [0,1,2,3,4]
b = [5,6,7,8,9]
c = [10,11,12,13,14]
a1,b1,c1 = shuffle_list(a,b,c)
print(a1,b1,c1)

Resultado:

$ (0, 2, 4, 3, 1) (5, 7, 9, 8, 6)
$ (4, 3, 0, 2, 1) (9, 8, 5, 7, 6) (14, 13, 10, 12, 11)

Nota:
objetos retornados por shuffle_list()são tuples.

PS shuffle_list()também pode ser aplicado anumpy.array()

a = np.array([1,2,3])
b = np.array([4,5,6])

a1,b1 = shuffle_list(a,b)
print(a1,b1)

Resultado:

$ (3, 1, 2) (6, 4, 5)

A maneira fácil e rápida de fazer isso é usar random.seed () com random.shuffle (). Ele permite que você gere a mesma ordem aleatória quantas vezes quiser. Isso parecerá assim:

a = [1, 2, 3, 4, 5]
b = [6, 7, 8, 9, 10]
seed = random.random()
random.seed(seed)
a.shuffle()
random.seed(seed)
b.shuffle()
print(a)
print(b)

>>[3, 1, 4, 2, 5]
>>[8, 6, 9, 7, 10]

Isso também funciona quando você não pode trabalhar com as duas listas ao mesmo tempo, devido a problemas de memória.

Você pode usar o segundo argumento da função shuffle para corrigir a ordem de embaralhamento.

Especificamente, você pode passar ao segundo argumento da função shuffle uma função de argumento zero que retorna um valor em [0, 1). O valor de retorno desta função fixa a ordem de embaralhamento. (Por padrão, ou seja, se você não passar nenhuma função como o segundo argumento, ele usa a função random.random(). Você pode vê-la na linha 277 aqui .)

Este exemplo ilustra o que descrevi:

import random

a = ['a', 'b', 'c', 'd', 'e']
b = [1, 2, 3, 4, 5]

r = random.random()            # randomly generating a real in [0,1)
random.shuffle(a, lambda : r)  # lambda : r is an unary function which returns r
random.shuffle(b, lambda : r)  # using the same function as used in prev line so that shuffling order is same

print a
print b

Resultado:

['e', 'c', 'd', 'a', 'b']
[5, 3, 4, 1, 2]