如何在python中按特定值的特定索引对列表元素进行排序

我有一个500000个三维坐标和500000个rgb补丁的数据集。首先，我想在从数据集中删除一些错误数据后，在开始时对三维坐标进行排序，使其具有最相似的值。为此，我采取了以下行动：

#加载保存的数据集
打印（“开始放置数据集…”）
X=np.荷载（'train_RGB-PATCHS_Fire_SEQU 01.npy'）
Y=np.荷载（'列车\u 3DPoses-Patches\u火灾\u seq01.npy'）
打印（“结束加载数据集=>Shapes:”，X.shape，Y.shape）
打印（“最大-最小三维原件：”，Y.max（），“，”，Y.min（））
打印（“开始纠正3D_补丁数据集…”）
Y_faux_indx=np.unique（np.argwhere（Y>15）[：，0]。重塑（-1,1）））
Y_correct=np.delete（Y，Y_faux_indx，0）
X_correct=np.delete（X，Y_faux_indx，0）
Y_sorted=np.array（排序（Y_correct.tolist（））。重塑（-1,4））
打印（“结束纠正3D_补丁数据集…”）

现在根据已排序的3D标签，我想从之前未排序的校正数据中获取这些已排序数据的索引，然后根据这些索引的索引排列rgb数据。为此，我编写了这段代码，执行这段代码需要很长时间：

print("Begin Sorting 3D_Patches Dataset ...")
sorted_dataset_indx = []
for j in range(len(Y_sorted)):
    element_verification = Y_correct == Y_sorted[j]
    for i in range(len(element_verification)):
        if element_verification[i].prod()==1:
            if i not in sorted_dataset_indx:
                sorted_dataset_indx.append(i)
 sorted_dataset_indx = np.array(sorted_dataset_indx)
 X_sorted = X_correct[sorted_dataset_indx]
 print("End Sorting 3D_Patches Dataset => Shapes : ",X_sorted.shape,Y_sorted.shape)
 print("max - min 3D new : ",Y_sorted.max()," , ", Y_sorted.min())

---

因此，我需要另一种解决方案来帮助我更快地执行此操作？

使用循环，尤其是嵌套循环，通常会比较慢，应该尽可能避免使用。
很明显，我无法复制您的代码，但这里有一个玩具示例，用于适应您的用例：

list1 = [1, 10, 2, 3, 5, 0, 1.5]
list2 = ['a', 'b', 'c', 'd', 'e', 'f', 'g']
enumerated_list1 = list(enumerate(list1))
enumerated_list1.sort(key=lambda x: x[1])
sorting_inds = [x[0] for x in enumerated_list1]
list2_sorted_by_list1 = [list2[i] for i in sorting_inds]

---

提供一个数据集示例（10条记录），并将代码缩短到给您带来麻烦的部分，以创建.Wrt“对三维坐标进行排序，使其具有最相似的值”-根据您的定义，“相似”是什么？最小绝对差？MSR？@aneroid我想这没关系。他正在询问正在描述的流程的下一步……aneroid感谢您的回答，正如@Shlomif所说，我询问了流程的第二部分。经过一些小的修改以适应我的用例后，给出的答案运行良好。谢谢大家的回答。我刚刚编辑了lambda排序函数，以便根据多维数组（3d坐标）进行排序，如“enumerated_list1.sort（key=lambda x:x[1].tolist（））”