Python（Numpy）数组排序

Posted 2023-02-23

【中文标题】Python（Numpy）数组排序

【英文标题】：Python (Numpy) array sorting

【发布时间】：2011-06-30 03:56:24

【问题描述】：

我有这个数组，名为 v，dtype('float64')：

array([[  9.33350000e+05,   8.75886500e+06,   3.45765000e+02],
       [  4.33350000e+05,   8.75886500e+06,   6.19200000e+00],
       [  1.33360000e+05,   8.75886500e+06,   6.76650000e+02]])

... 我使用 np.loadtxt 命令从文件中获取的。我想在第一列的值之后对其进行排序，而不会混淆将同一行上列出的数字保持在一起的结构。使用 v.sort(axis=0) 给了我：

array([[  1.33360000e+05,   8.75886500e+06,   6.19200000e+00],
       [  4.33350000e+05,   8.75886500e+06,   3.45765000e+02],
       [  9.33350000e+05,   8.75886500e+06,   6.76650000e+02]])

...即将第三列的最小数字放在第一行等。我宁愿想要这样的东西...

array([[  1.33360000e+05,   8.75886500e+06,   6.76650000e+02],
       [  4.33350000e+05,   8.75886500e+06,   6.19200000e+00],
       [  9.33350000e+05,   8.75886500e+06,   3.45765000e+02]])

... 每行的元素彼此之间没有相对移动。

【参考方案1】：

试试

v[v[:,0].argsort()]

（v 是数组）。 v[:,0] 是第一列，.argsort() 返回将对第一列进行排序的索引。然后，您可以使用高级索引将此排序应用于整个数组。请注意，您将获得数组的排序副本。

我知道对数组进行排序的唯一方法是使用记录 dtype：

v.dtype = [("x", float), ("y", float), ("z", float)]
v.shape = v.size
v.sort(order="x")

【参考方案2】：

或者

试试

import numpy as np

order = v[:, 0].argsort()
sorted = np.take(v, order, 0)

'order' 具有第一行的顺序。 然后 'np.take' 将列按相应的顺序排列。

查看 'np.take' as 的帮助

help(np.take)

take(a, indices, axis=None, out=None, 模式='提高'） 沿轴从数组中获取元素。

This function does the same thing as "fancy" indexing (indexing arrays
using arrays); however, it can be easier to use if you need elements
along a given axis.

Parameters
----------
a : array_like
    The source array.
indices : array_like
    The indices of the values to extract.
axis : int, optional
    The axis over which to select values. By default, the flattened
    input array is used.
out : ndarray, optional
    If provided, the result will be placed in this array. It should
    be of the appropriate shape and dtype.
mode : 'raise', 'wrap', 'clip', optional
    Specifies how out-of-bounds indices will behave.

    * 'raise' -- raise an error (default)
    * 'wrap' -- wrap around
    * 'clip' -- clip to the range

    'clip' mode means that all indices that are too large are

替换 通过寻址沿该轴的最后一个元素的索引。笔记 这会禁用负数索引。

Returns
-------
subarray : ndarray
    The returned array has the same type as `a`.

See Also
--------
ndarray.take : equivalent method

Examples
--------
>>> a = [4, 3, 5, 7, 6, 8]
>>> indices = [0, 1, 4]
>>> np.take(a, indices)
array([4, 3, 6])

In this example if `a` is an ndarray, "fancy" indexing can be used.

>>> a = np.array(a)
>>> a[indices]
array([4, 3, 6])

【参考方案3】：

如果您的实例中 v[:,0] 具有一些相同的值，并且您希望对第 1、2 列等进行二次排序，那么您将希望使用 numpy.lexsort() 或 numpy.sort(v, order=('col1', 'col2', etc..)，但对于 @987654326 @case，v 需要是结构化数组。

【参考方案4】：

numpy.lexsort() 的示例应用程序用于对数组的行进行排序并处理第一列中的关系。请注意，lexsort 有效地对列进行排序并从最后一列开始，因此您需要反转 a 的行，然后在 lexsort 之前进行转置，最后转置结果（您会认为这应该是更简单，但是嘿！）：

In [1]: import numpy as np

In [2]: a = np.array([[1,2,3,4],[1,0,4,1],[0,4,1,1]])

In [3]: a[np.lexsort(np.flip(a, axis=1).T).T]
Out[3]: 
array([[0, 4, 1, 1],
       [1, 0, 4, 1],
       [1, 2, 3, 4]])

In [4]: a
Out[4]: 
array([[1, 2, 3, 4],
       [1, 0, 4, 1],
       [0, 4, 1, 1]])

感谢@Paul 提出使用lexsort 的建议。