Python 通过保留有关原始索引的信息，对nDarray上的最小值进行排序

考虑将

numpy.ndarray

D1与形状

（10，N，M）

我想用shape

（N*M，3）

构建一个新的ndarray O1。以便：

• 每个元素都是一个三元组，用于标识D1上元素的索引
• 索引根据D1中相应字段的值进行排序
• 对于每个

  0≤我≤N

  ，

  0≤J≤M

  仅考虑10个维度上的最小元素

让我们考虑一个小例子，用2代替10，当前的方法部分实现了我的目标：

>>> d1 = np.random.randint(20, size=2*3*3).reshape(2,3,3)

array([[[ 2,  6, 18],
        [18, 18, 10],
        [ 2,  3,  1]],

        [[11,  3, 14],
        [12, 14, 18],
        [ 6,  8, 19]]])

>>> d2 = np.amin(d1, axis=0)

array([[ 2,  3, 14],
       [12, 14, 10],
       [ 2,  3,  1]])

>>> o1 = np.dstack(np.unravel_index(np.argsort(d2.ravel()), d2.shape))

array([[[2, 2],
        [0, 0],
        [2, 0],
        [0, 1],
        [2, 1],
        [1, 2],
        [1, 0],
        [0, 2],
        [1, 1]]])

通过这种方式，我得到了关于2维元素的最小索引，但是我失去了关于D1中初始索引的信息

在这种情况下，预期输出应为：

array([[[0, 2, 2],
        [0, 0, 0],
        [0, 2, 0],
        [1, 0, 1],
        [0, 2, 1],
        [0, 1, 2],
        [1, 1, 0],
        [1, 0, 2],
        [1, 1, 1]]])

---

结构化数组是同时处理索引和最小值的简便方法：

M, N = d1.shape[1:]
mi, ni = np.ogrid[:M, :N]
data = np.empty((M, N), [('coords', np.intp, 3), ('min', d1.dtype)])
data['coords'][..., 0] = mi
data['coords'][..., 1] = ni
data['coords'][..., 2] = np.argmin(d1, axis=0)
data['min'] = np.min(d1, axis=0)

data = data.ravel()  # collapse (M, N) to (M*N,)
data_sorted = data[np.argsort(data['min'])]
o1 = data_sorted['coords']

但您也可以通过代码轻松实现：

d2 = np.min(d1, axis=0)
arg_d2 = np.argmin(d1, axis=0)
order = np.argsort(d2.ravel())
mi, ni = np.unravel_index(order, d2.shape)
o1 = np.stack((mi, ni, arg_d2.ravel()[order]), axis=-1)  # dstack but faster

---

结构化数组是同时处理索引和最小值的简便方法：

M, N = d1.shape[1:]
mi, ni = np.ogrid[:M, :N]
data = np.empty((M, N), [('coords', np.intp, 3), ('min', d1.dtype)])
data['coords'][..., 0] = mi
data['coords'][..., 1] = ni
data['coords'][..., 2] = np.argmin(d1, axis=0)
data['min'] = np.min(d1, axis=0)

data = data.ravel()  # collapse (M, N) to (M*N,)
data_sorted = data[np.argsort(data['min'])]
o1 = data_sorted['coords']

但您也可以通过代码轻松实现：

d2 = np.min(d1, axis=0)
arg_d2 = np.argmin(d1, axis=0)
order = np.argsort(d2.ravel())
mi, ni = np.unravel_index(order, d2.shape)
o1 = np.stack((mi, ni, arg_d2.ravel()[order]), axis=-1)  # dstack but faster

---

谢谢你的回答。然而，在第二种方法中，

arg\u d2[order]

似乎会导致一个

索引器

@abc:Fixed，我想谢谢你的回答。然而，在第二种方法中，

arg\u d2[order]

似乎会导致

索引器

@abc:Fixed，我认为