Python 如何将二进制值数组的行排序为长二进制数？

有一个大约500000行的2D numpy数组，每行512个值：

[
  [1,0,1,...,0,0,1], # 512 1's or 0's
  [0,1,0,...,0,1,1],
  ...
  [0,0,1,...,1,0,1], # row number 500000
]

如何对行进行升序排序，就像每行是一个长512位整数一样

[
  [0,0,1,...,1,0,1],
  [0,1,0,...,0,1,1],
  [1,0,1,...,0,0,1],
  ...
]

您可以按512次的方式对它们进行排序，首先从最右边的位开始

按最后一位排序

按倒数第二位排序，稳定（不会弄乱上一次排序的结果）

。。。

按第一位排序，稳定

---

一个较小的示例：假设您希望按位对这三个2位数字进行排序：

11
01
00

在第一步中，按正确的位进行排序，结果是：

00
11
01

现在按第一位排序，在本例中，该列中有两个

0

。如果您的排序算法不稳定，则允许在结果中以任何顺序放置这些相等的项，这可能会导致

01

出现在

00

之前，这是我们不希望看到的，因此我们对第一列使用稳定排序，保持相等项的相对顺序，从而产生所需的：

00
01
11

创建每个

行的
字符串
，然后应用
np.sort（）
因此，如果我们有一个
数组要测试：

a = np.array([[1,0,0,0],[0,0,0,0],[1,1,1,1],[0,0,1,1]])

我们可以使用以下方法创建每个
行的
字符串
：

这将使
现在成为一个
：

array(['1010', '0010', '0011', '0011'], dtype='<U4')

使
a
：

array(['0010', '0011', '0011', '1010'], dtype='<U4')

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

这使得
成为一个
：

array(['0010', '0011', '0011', '1010'], dtype='<U4')

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

如果你想把这些都塞进一行：

a = np.array([[int(i) for i in r] for r in np.sort(np.apply_along_axis(lambda r: ''.join([str(c) for c in r]), 0, a))])

除了转换为字符串，您还可以使用数据的
void
视图（从@Jaime开始）和
argsort

def sort_bin(b):
    b_view = np.ascontiguousarray(b).view(np.dtype((np.void, b.dtype.itemsize * b.shape[1])))
    return b[np.argsort(b_view.ravel())] #as per Divakar's suggestion

测试

np.random.seed(0)

b = np.random.randint(0, 2, (10,5))
print(b)
print(sort_bin(b))

[[0 1 1 0 1]
 [1 1 1 1 1]
 [1 0 0 1 0]
 ..., 
 [1 0 1 1 0]
 [0 1 0 1 1]
 [1 1 1 0 1]]
[[0 0 0 0 1]
 [0 1 0 1 1]
 [0 1 1 0 0]
 ..., 
 [1 1 1 0 1]
 [1 1 1 1 0]
 [1 1 1 1 1]]

由于
b_视图
只是
b

t = np.random.randint(0,2,(2000,512))

%timeit sort_bin(t)
100 loops, best of 3: 3.09 ms per loop

%timeit np.array([[int(i) for i in r] for r in np.sort(np.apply_along_axis(lambda r: ''.join([str(c) for c in r]), 0, t))])
1 loop, best of 3: 3.29 s per loop

实际上大约快1000倍
这很慢，但可以完成任务

def sort_col(arr, col_num=0):
# if we have sorted over all columns return array
if col_num >= arr.shape[1]:
    return arr

# sort array over given column
arr_sorted = arr[arr[:, col_num].argsort()]

# if the number of 1s in the given column is not equal to the total number
# of rows neither equal to 0, split on 1 and 0, sort and then merge
if len(arr) > np.sum(arr_sorted[:, col_num]) > 0:
    arr_sorted0s = sort_col(arr_sorted[arr_sorted[:, col_num]==0], col_num+1)
    arr_sorted1s = sort_col(arr_sorted[arr_sorted[:, col_num]==1], col_num+1)
    # change order of stacking if you want ascenting order
    return np.vstack((arr_sorted0s, arr_sorted1s))

# if the number of 1s in the given column is equal to the total number
# of rows or equal to 0, just go to the next iteration
return sort_col(arr_sorted, col_num + 1)



np.random.seed(0)
a = np.random.randint(0, 2, (5, 4))
print(a)
print(sort_col(a))

# prints
[[0 1 1 0]
 [1 1 1 1]
 [1 1 1 0]
 [0 1 0 0]
 [0 0 0 1]]
[[0 0 0 1]
 [0 1 0 0]
 [0 1 1 0]
 [1 1 1 0]
 [1 1 1 1]]

编辑。或者最好使用Daniels解决方案。在我发布代码之前，我没有检查新答案。
我不确定，但函数“sorted”可以对字符数组中的字符串进行排序，也许它可以处理整数数组？@Orions坏主意。不要在涉及numpy数组的地方使用python函数。谢谢你的建议。将单个位转换为字符字节似乎是“错误的”。也许每一行都是64个uint8，然后使用你的方法？你可以使用
np.lexsort
来实现这一点，但我不确定它会比字符串/空格转换更快。聪明的一个！
b[np.argsort（b_view.ravel（））]
有一些明显的改进。谢谢Divakar，我忘记了
。flatte（）
制作了一个副本。
def sort_col(arr, col_num=0):
# if we have sorted over all columns return array
if col_num >= arr.shape[1]:
    return arr

# sort array over given column
arr_sorted = arr[arr[:, col_num].argsort()]

# if the number of 1s in the given column is not equal to the total number
# of rows neither equal to 0, split on 1 and 0, sort and then merge
if len(arr) > np.sum(arr_sorted[:, col_num]) > 0:
    arr_sorted0s = sort_col(arr_sorted[arr_sorted[:, col_num]==0], col_num+1)
    arr_sorted1s = sort_col(arr_sorted[arr_sorted[:, col_num]==1], col_num+1)
    # change order of stacking if you want ascenting order
    return np.vstack((arr_sorted0s, arr_sorted1s))

# if the number of 1s in the given column is equal to the total number
# of rows or equal to 0, just go to the next iteration
return sort_col(arr_sorted, col_num + 1)



np.random.seed(0)
a = np.random.randint(0, 2, (5, 4))
print(a)
print(sort_col(a))

# prints
[[0 1 1 0]
 [1 1 1 1]
 [1 1 1 0]
 [0 1 0 0]
 [0 0 0 1]]
[[0 0 0 1]
 [0 1 0 0]
 [0 1 1 0]
 [1 1 1 0]
 [1 1 1 1]]