Python 使用第二个数组中的顺序对numpy数组进行就地排序

设两个数组：

A
的形状
（n，*m）
，和
B
的形状
（n，）
。是否有一种方法可以使用排序
B
的顺序对
a
进行排序

使用
B
对
A
进行排序很容易，但这并没有到位：

A = A[np.argsort(B)]


评论：


A
和
B
有不同的数据类型，
A
可以有两个以上的维度。因此，它们不能堆叠使用
ndarray.sort（）
A
占用大量空间，这就是为什么需要对其进行适当排序的原因。因此，任何需要两倍于
A
所占用空间的解决方案都会破坏这一目的
这个问题的标题可能听起来有关联，但问题本身并不十分清楚，答案与我的问题不符
如果可以预先将
A
设置为结构化数组，其数据类型由形状
（m，）
的子数组和相同类型的标量（例如，
np.int32
）组成，则可以根据
B
对其进行排序。例如：

import numpy as np

B = np.array([3, 1, 2])
A = np.array([[10, 11], [20, 21], [30, 31]])

(n, m) = A.shape

dt = np.dtype([('a', np.int32, (m, )), ('b', int)])
A2 = np.array([(a, b) for a, b in zip(A, B)], dtype=dt)

A2.sort(order='b')
print A2

下面是一个通过在索引数组中遵循循环来工作的解决方案。它可以选择使用pythran进行编译，如果行很小（10个元素为80倍），则会有显著的加速；如果行很大，则会有较小的加速（1000个元素为30%）

为了使它与pythran兼容，我必须将它简化一点，这样它只接受2D数组，并且只沿轴0排序

代码：

使用编译版本运行示例。如上所述，编译只需要用于小行，对于较大的行，纯python应该足够快

>>> from timeit import timeit
>>> import numpy as np
>>> import take_inplace
>>> 
>>> a = np.random.random((1000, 10))
>>> idx = a[:, 4].argsort()
>>>
>>> take_inplace.take_inplace(a, idx)
>>>
# correct
>>> np.all(np.arange(1000) == a[:, 4].argsort())
True
>>>
# speed
>>> timeit(lambda: take_inplace.take_inplace(a, idx), number=1000)
0.011950935004279017
>>>
# for comparison
>>> timeit(lambda: a[idx], number=1000)
0.02985276997787878

看起来这只是一个高级索引任务，
A[arr，：]
，索引
A
的行。那一定是一份拷贝。即使您使用
A[：]=…
将新值写回“
A
”，数据也会有一个临时缓冲区。@hpaulj：的确，我想知道是否有一种方法可以做到这一点，而无需索引，也无需创建这样的缓冲区。这非常有效，非常感谢！我用
n、*m=a.shape
替换了
take_in place
的第一行，这样
a
可以有两个或更多维度。
>>> from timeit import timeit
>>> import numpy as np
>>> import take_inplace
>>> 
>>> a = np.random.random((1000, 10))
>>> idx = a[:, 4].argsort()
>>>
>>> take_inplace.take_inplace(a, idx)
>>>
# correct
>>> np.all(np.arange(1000) == a[:, 4].argsort())
True
>>>
# speed
>>> timeit(lambda: take_inplace.take_inplace(a, idx), number=1000)
0.011950935004279017
>>>
# for comparison
>>> timeit(lambda: a[idx], number=1000)
0.02985276997787878