Python 排序数组使用数组的不同排列参数为两个数组创建数组，以应用于其中一个数组，从而将其排序转换为另一个

我需要根据“array2”（

type=numpy.ma.core.MaskedArray

）的每个数组（

type=numpy.ma.core.MaskedArray

）的参数顺序重新排列“array1”（

type=numpy.ndarray

）中的每个数组（

type=numpy.ndarray

）。两个较大数组中的索引相同的数组具有相同的参数，但排列方式不同。我以前尝试过使用

array1[：，（0，2，1）]

，当时需要根据一种算法重新排列array1中的所有数组。但现在，需要根据从array2的相应数组派生的单独排序算法重新排列array1中的每个数组

需要编写一些代码，例如

array1[：，（0，2，1）]

，但是使用一个数组[shape=array1.shape]，该数组包含

（0，2，1）

形式的有序数组，替换上面示例中的

（0，2，1）

，以应用于array1的每个数组

注意：使用上述代码示例（首选一行）很重要，因为此代码将在另一个第三方数字软件中使用，并由其内置代码使用，其中array1的数据将在每个时间步中返回到第一个状态，其掩码可能在解决方案的每个时间步中更新。由每个时间步中的内置代码反复调用

对于测试：

import numpy as np
array1 = np.ma.masked_array([np.array([20, 30, 35]), np.array([5, 6, 10]), np.array([11, 4, 7])], mask=False, fill_value=999999)
array2 = np.array([np.array([35, 20, 30]), np.array([10, 6, 5]), np.array([11, 7, 4])])

在array1上应用时，必须根据array2订单实现修改数组，如下所示：

mod_array = [(1, 2, 0), (2, 1, 0), (0, 2, 1)]

结果必须通过一些代码实现，例如：

array1[:, mod_array]

其中mod_数组中的每个参数显示顺序，并将应用于每个数组1对应的数组。这将导致重新排列array1掩蔽数组的包含数组数据：

array1 = np.ma.masked_array([np.array([35, 20, 30]), np.array([10, 6, 5]), np.array([11, 7, 4])], mask=..., fill_value=999999)

您的2个阵列：

In [189]: array1
Out[189]: 
masked_array(
  data=[[20, 30, 35],
        [5, 6, 10],
        [11, 4, 7]],
  mask=[[False, False, False],
        [False, False, False],
        [False, False, False]],
  fill_value=999999)
In [190]: array2
Out[190]: 
array([[35, 20, 30],
       [10,  6,  5],
       [11,  7,  4]])

您的排序索引：

In [191]: idx=np.argsort(array2,axis=1)
In [192]: idx
Out[192]: 
array([[1, 2, 0],
       [2, 1, 0],
       [2, 1, 0]])

将其应用于

array2

显示它对每一行进行排序：

In [193]: np.take_along_axis(array2, idx,1)
Out[193]: 
array([[20, 30, 35],
       [ 5,  6, 10],
       [ 4,  7, 11]])

应用于

阵列1

：

In [194]: np.take_along_axis(array1, idx,1)
Out[194]: 
masked_array(
  data=[[30, 35, 20],
        [10, 6, 5],
        [7, 4, 11]],
  mask=[[False, False, False],
        [False, False, False],
        [False, False, False]],
  fill_value=999999)
In [195]: idx=np.argsort(array1,axis=1)

In [197]: idx=np.argsort(-array1,axis=1)
In [198]: np.take_along_axis(array1, idx,1)
Out[198]: 
masked_array(
  data=[[35, 30, 20],
        [10, 6, 5],
        [11, 7, 4]],
  mask=[[False, False, False],
        [False, False, False],
        [False, False, False]],
  fill_value=999999)

要获得“所需”的重新排序，我必须反向排序

array1

：

In [194]: np.take_along_axis(array1, idx,1)
Out[194]: 
masked_array(
  data=[[30, 35, 20],
        [10, 6, 5],
        [7, 4, 11]],
  mask=[[False, False, False],
        [False, False, False],
        [False, False, False]],
  fill_value=999999)
In [195]: idx=np.argsort(array1,axis=1)

In [197]: idx=np.argsort(-array1,axis=1)
In [198]: np.take_along_axis(array1, idx,1)
Out[198]: 
masked_array(
  data=[[35, 30, 20],
        [10, 6, 5],
        [11, 7, 4]],
  mask=[[False, False, False],
        [False, False, False],
        [False, False, False]],
  fill_value=999999)

---

这些数组的数据类型是什么，

object

或

int

？换句话说，您的

array2

是否与

array2=np.array（[[35,20,30]，[10,6,5]，[11,7,4]]）

相同？是的，问题在于排序，而不是排序。实际上，array1的数组必须重新排列为array2。最终数据必须是=[[35,20,30]、[10,6,5]、[11,7,4]]，并且idx必须作为mod_数组。例如：mod_array[0]=[1,2,0]，它将应用于array1[0]，显示必须放置array1[0][0]而不是当前array1[0][1]（mod_array[0][0]=1显示该参数必须位于的索引），mod_array[0][1]（即“2”）和mod u array[0][2]（即“0”）显示array1[0][1]和array1[0][2]必须分别放置而不是当前阵列1[0][2]和阵列1[0][0]。