Python 排序一个NumPy数组并将另一个数组与之一起排列

我有两个numpy数组，第一个，

A

，是一维的，第二个，

B

，在我心目中的应用程序中是二维的，但实际上可以是任意维的。

B

的每个索引都覆盖了与

A

的单个索引相同的范围

现在，我想对

A

（按降序）进行排序，但同时要排列

B

的每个维度。从数学上讲，如果

P

是排序

A

的置换矩阵，我想根据

np.dot（P，np.dot（B，P.T））

变换

B

。例如，考虑这个排序巧合地对应于颠倒顺序：

In [1]: import numpy as np

In [2]: A = np.array([1,2,3])

In [3]: B = np.random.rand(3,3); B
Out[3]: 
array([[ 0.67402953,  0.45017072,  0.24324747],
       [ 0.40559793,  0.79007712,  0.94247771],
       [ 0.47477422,  0.27599007,  0.13941255]])

In [4]: # desired output:

In [5]: A[::-1]
Out[5]: array([3, 2, 1])

In [6]: B[::-1,::-1]
Out[6]: 
array([[ 0.13941255,  0.27599007,  0.47477422],
       [ 0.94247771,  0.79007712,  0.40559793],
       [ 0.24324747,  0.45017072,  0.67402953]])

---

我想到的应用是使用

np.linalg.eig

（与

eigh

相反，

eig

不保证特征值的任何顺序）获得非对称矩阵的特征值和特征向量，按绝对值排序，并截断空间。将包含特征向量的矩阵组件与特征值一起排列，并通过对其进行切片来执行截断是有益的。

您可以使用

numpy.argsort

来获得索引映射。例如：

test=np.array([2,1,3])
test_array=np.array([[2,3,4],[1,2,3]])
rearranged_array=test_array[:,test.argsort()]

在这里，

test.argsort（）

产生

[1,0,2]

您可以用来获得

A

的排序索引。然后可以使用这些索引重新排列

B

这不完全是你想如何重新安排B

p = np.argsort(A)

B[:, p][p, :]  # rearrange rows and column of B
B.transpose(p)  # rearrange dimensions of B

如果要根据特征值对特征向量进行排序，则只应重新排列特征向量的列： （此外，如果得到复特征值，使用绝对值也有意义）

---

当然，你是对的，我只需要重新排列特征向量矩阵的列。也谢谢你指出这一点。

e, v = eig(x)
p = np.argsort(np.abs(e))[::-1]  # descending order
v = v[:, p]