Arrays Python：将numpy数组中的元素洗牌并重新放入初始顺序

我有一个数组，必须在该数组上修改一些值。为了做到这一点，我必须改变数组元素的顺序，在改变了它的值之后，我想把值放回它们的初始顺序。但两个小时后，我真的不知道该怎么做

在更改顺序时，我需要按绝对值从最大的元素到最小的元素进行排序。然后，我需要让元素的总和=1，所以我修改了元素，但是不可能对数组重新排序

这是我的代码：

output = np.random.uniform(-1, 1, (4, 1)).ravel()

sorted_weigths = np.sort(abs(output))[::-1]
sorted_indices = np.argsort(sorted_weigths)[::-1] 
signs = [i < 0 for i in output]  

if np.sum(abs(sorted_weigths)) > 1:
    alloc = 1
    for i in range(output.shape[0]):
        if alloc > abs(sorted_weigths[i]):
            sorted_weigths[i] = sorted_weigths[i]
            alloc = alloc - abs(sorted_weigths[i])
        elif alloc > 0:
            sorted_weigths[i] = alloc
            alloc = alloc - alloc
        else:
            sorted_weigths[i] = 0
else:
    pass

sorted_weigths[sorted_indices]

for i in range(len(signs)):
    if signs[i] == True:
        sorted_weigths[i] = -sorted_weigths[i]
    else:
        pass

这是诀窍，但修改输出值不起作用。

---

因此，任何帮助或暗示都将不胜感激。非常感谢

解决方案实际上是根据原始输出的位置重新排列变换数组的位置，而不是跟踪无序索引

解决办法是：

output = np.random.uniform(-1, 1, (4, 1)).ravel()

sorted_weigths = np.sort(abs(output))[::-1]
sorted_indices = np.argsort(abs(output))[::-1] 
signs = [i < 0 for i in output]  

if np.sum(abs(sorted_weigths)) > 1:
    alloc = 1
    for i in range(output.shape[0]):
        if alloc > abs(sorted_weigths[i]):
            sorted_weigths[i] = sorted_weigths[i]
            alloc = alloc - abs(sorted_weigths[i])
        elif alloc > 0:
            sorted_weigths[i] = alloc
            alloc = alloc - alloc
        else:
            sorted_weigths[i] = 0
else:
    pass

sorted_weigths_ = copy.deepcopy(sorted_weigths)
for i in range(sorted_indices.shape[0]):
    sorted_weigths_[sorted_indices[i]] = sorted_weigths[i]

for i in range(len(signs)):
    if signs[i] == True:
        sorted_weigths_[i] = -sorted_weigths_[i]
    else:
        pass

print(output)
print(sorted_weigths_)

output=np.random.uniform（-1,1，（4,1））.ravel（）
sorted_weights=np.sort（abs（output））[：-1]
排序的索引=np.argsort（abs（output））[：-1]
符号=[i<0表示输出中的i]
如果np.和（abs（分类重量））大于1：
alloc=1
对于范围内的i（output.shape[0]）：
如果alloc>abs（分类重量[i]）：
分类重量[i]=分类重量[i]
alloc=alloc-abs（分类重量[i]）
elif alloc>0:
排序的重量[i]=alloc
alloc=alloc-alloc
其他：
排序的_weights[i]=0
其他：
通过
排序的重量=复制。深度复制（排序的重量）
对于范围内的i（已排序的_索引形状[0]）：
排序的重量[排序的重量指数[i]]=排序的重量[i]
对于范围内的i（len（符号））：
如果符号[i]==真：
排序的权重[i]=-排序的权重[i]
其他：
通过
打印（输出）
打印（已排序的重量）

解决方案实际上是根据原始输出的位置重新排列变换数组的位置，而不是跟踪无序索引

解决办法是：

output = np.random.uniform(-1, 1, (4, 1)).ravel()

sorted_weigths = np.sort(abs(output))[::-1]
sorted_indices = np.argsort(abs(output))[::-1] 
signs = [i < 0 for i in output]  

if np.sum(abs(sorted_weigths)) > 1:
    alloc = 1
    for i in range(output.shape[0]):
        if alloc > abs(sorted_weigths[i]):
            sorted_weigths[i] = sorted_weigths[i]
            alloc = alloc - abs(sorted_weigths[i])
        elif alloc > 0:
            sorted_weigths[i] = alloc
            alloc = alloc - alloc
        else:
            sorted_weigths[i] = 0
else:
    pass

sorted_weigths_ = copy.deepcopy(sorted_weigths)
for i in range(sorted_indices.shape[0]):
    sorted_weigths_[sorted_indices[i]] = sorted_weigths[i]

for i in range(len(signs)):
    if signs[i] == True:
        sorted_weigths_[i] = -sorted_weigths_[i]
    else:
        pass

print(output)
print(sorted_weigths_)

output=np.random.uniform（-1,1，（4,1））.ravel（）
sorted_weights=np.sort（abs（output））[：-1]
排序的索引=np.argsort（abs（output））[：-1]
符号=[i<0表示输出中的i]
如果np.和（abs（分类重量））大于1：
alloc=1
对于范围内的i（output.shape[0]）：
如果alloc>abs（分类重量[i]）：
分类重量[i]=分类重量[i]
alloc=alloc-abs（分类重量[i]）
elif alloc>0:
排序的重量[i]=alloc
alloc=alloc-alloc
其他：
排序的_weights[i]=0
其他：
通过
排序的重量=复制。深度复制（排序的重量）
对于范围内的i（已排序的_索引形状[0]）：
排序的重量[排序的重量指数[i]]=排序的重量[i]
对于范围内的i（len（符号））：
如果符号[i]==真：
排序的权重[i]=-排序的权重[i]
其他：
通过
打印（输出）
打印（已排序的重量）