Python 大numpy矩阵的排序单元

我已经创建了一个大的（比如说，4000 X 4000）numpy浮动矩阵。我按照浮点值对矩阵的单元格进行排序，生成一个

（行、列、值）

元组列表。这是我的代码（简化）：

我知道逐单元生成效率很低，但我不知道如何使用纯numpy迭代矩阵的

（行、列、值）

元组也许这才是真正的问题

我目前的方法的问题是，我的计算机在排序过程中完全死机

如果我这样做的话，这不是问题：

排序（matrix.flatte（））

效果很好，实际上相当快，但是我没有得到行和列…

是你的朋友。它不会对给定的数组进行实际排序，而是返回一个整数索引数组，告诉您如何按排序顺序重新排序数组。因此，您可以对行和列值应用相同的排序

下面是一些代码：首先我们生成一个矩阵；在这里，我使用不同数量的行和列，这样我们就可以轻松地检查结果是否正确

>>> import numpy as np
>>> matrix = np.random.randint(100, size=(4000, 5000))
>>> rows, cols = np.indices(matrix.shape)

现在使用

argsort

获取索引

>>> reindex = np.argsort(matrix.flatten())

使用这些索引，我们可以恢复排序矩阵：

>>> matrix.flat[reindex]
array([ 0,  0,  0, ..., 99, 99, 99])

以及相应的行和列

>>> rows.flat[reindex]
array([2455, 2870, 1196, ...,   56,   56, 3618])
>>> cols.flat[reindex]
array([ 863, 1091, 4966, ..., 3959, 3887, 4833])

为了验证答案，让我们检查第一行、列对是否确实对应于

0

的矩阵条目，以及最后一行、列对是否对应于

99

：

>>> r = rows.flat[reindex]
>>> c = cols.flat[reindex]
>>> matrix[r[0], c[0]]
0
>>> matrix[r[-1], c[-1]]
99

编辑：正如nye17的回答所指出的，行和列可以更直接地从

reindex

数组中恢复

>>> r, c = divmod(reindex, matrix.shape[1])

这一切运行得相当快（排序步骤需要几秒钟）。我猜您的原始代码锁定机器的原因是您生成的列表占用了大量内存；通过坚持使用numpy数组而不是列表和元组，您的内存开销显著降低。

是您的朋友。它不会对给定的数组进行实际排序，而是返回一个整数索引数组，告诉您如何按排序顺序重新排序数组。因此，您可以对行和列值应用相同的排序

下面是一些代码：首先我们生成一个矩阵；在这里，我使用不同数量的行和列，这样我们就可以轻松地检查结果是否正确

>>> import numpy as np
>>> matrix = np.random.randint(100, size=(4000, 5000))
>>> rows, cols = np.indices(matrix.shape)

现在使用

argsort

获取索引

>>> reindex = np.argsort(matrix.flatten())

使用这些索引，我们可以恢复排序矩阵：

>>> matrix.flat[reindex]
array([ 0,  0,  0, ..., 99, 99, 99])

以及相应的行和列

>>> rows.flat[reindex]
array([2455, 2870, 1196, ...,   56,   56, 3618])
>>> cols.flat[reindex]
array([ 863, 1091, 4966, ..., 3959, 3887, 4833])

为了验证答案，让我们检查第一行、列对是否确实对应于

0

的矩阵条目，以及最后一行、列对是否对应于

99

：

>>> r = rows.flat[reindex]
>>> c = cols.flat[reindex]
>>> matrix[r[0], c[0]]
0
>>> matrix[r[-1], c[-1]]
99

编辑：正如nye17的回答所指出的，行和列可以更直接地从

reindex

数组中恢复

>>> r, c = divmod(reindex, matrix.shape[1])

---

这一切运行得相当快（排序步骤需要几秒钟）。我猜您的原始代码锁定机器的原因是您生成的列表占用了大量内存；通过坚持使用numpy数组而不是列表和元组，您的内存开销会显著降低。

Mark击败了我，但我只有2美分

以2x2矩阵为例

import numpy as np
# create a random matrix
matrix = np.random.randint(100, size=(2,2))
indice = np.argsort(matrix, axis=None)
# you can also use `divmod` per mark's version
ind_i = indice//2
ind_j = np.mod(indice, 2)
for i, j in zip(ind_i, ind_j) :
    print("%4d %4d %10.5f" % (i, j, matrix[i,j]))

它给

1    0   12.00000
0    1   23.00000
1    1   59.00000
0    0   63.00000

---

马克赢了我一拳，但我只赢了2美分

以2x2矩阵为例

import numpy as np
# create a random matrix
matrix = np.random.randint(100, size=(2,2))
indice = np.argsort(matrix, axis=None)
# you can also use `divmod` per mark's version
ind_i = indice//2
ind_j = np.mod(indice, 2)
for i, j in zip(ind_i, ind_j) :
    print("%4d %4d %10.5f" % (i, j, matrix[i,j]))

它给

1    0   12.00000
0    1   23.00000
1    1   59.00000
0    0   63.00000

---

啊，

axis=None

比我的

flatte

调用要好。不错。@MarkDickinson您的mgrid显然比我天真的//+mod调用更好看；-）开个玩笑，你刚刚帮我省了很多时间的等待，所以谢谢：-）@PiminKonstantinKefaloukos哈，那很好，一点也不坏，至少我有点喜欢。啊，

axis=None

比我的

flatte

电话好。不错。@MarkDickinson您的mgrid显然比我天真的//+mod调用更好看；-）开个玩笑，你刚刚帮我省了很多时间的等待，所以谢谢：-）@PiminKonstantinKefaloukos哈，那很好，一点也不坏，至少我有点喜欢。与其

mgrid

，不如

rows，cols=np.index（matrix.shape）

更干净一点吧？@DSM确实如此！谢谢。

mgrid

，而不是

rows，cols=np.indexes（matrix.shape）

会更干净一点吗？@DSM确实会！谢谢