它正在被 Shuffle ，但每一行都是一样的，它看起来没有变化。注意，数组只在第一维中进行混洗;即，在2D阵列中，其行被四处移动，但每行的内容保持原样。因为每一行都是[0, 255, 0, 255]，所以如果它们改变了位置，你永远不会知道。
如果你想有相同数量的0和255，但在随机位置，考虑 Shuffle 的1D数组，在reshape之前。

clr_values = [0,255]
ifslst = clr_values * 12
img_flat = np.array(ifslst)
np.random.shuffle(img_flat)
img_flat.reshape((6, 4))
# => array([[  0,   0, 255,   0],
#           [  0,   0, 255,   0],
#           [255, 255, 255, 255],
#           [  0, 255, 255, 255],
#           [255,   0, 255,   0],
#           [  0, 255,   0,   0]])

这里有一个基本的，未修改的函数来打乱2D数组中的所有值：

import numpy as np
from numpy.random import shuffle
def Shuffle2D(lst):
  for i in range(0, len(lst):
    lst[i] = shuffle(lst[i])
  return shuffle(lst)

这个简单的函数简单地打乱了2D数组中每一行的所有值。然后，它对整个数组进行额外的 Shuffle 。这应该工作 Shuffle 的图像像素。注意，这个函数并没有创建一个255和0的数组，但是你的代码看起来是正确的。