Python tensorflow argsort排序混乱？

我肯定错过了一些非常明显的东西，但是argsort（）的行为似乎不一致

这里是一个5个浮点数的简单示例，其中第一个示例显示了预期的结果，但是第二个示例似乎混淆了

##- Example 1 : Should return [4, 1, 2, 3, 0]
a = [1.0, 0.25, 0.5, 0.75, 0.0]
b = tf.argsort(a,axis=-1,direction='ASCENDING',stable=True,name=None)
c = tf.keras.backend.eval(b)
tf.print(f'expected: {c}')

##- Example 2 : Should return [3, 2, 0, 4, 1] (I think)
a = [0.75, 0.5, 0.0, 1.0, 0.25]
b = tf.argsort(a,axis=-1,direction='ASCENDING',stable=True,name=None)
c = tf.keras.backend.eval(b)
tf.print(f'confused: {c}')

这就产生了

expected: [4 1 2 3 0]
confused: [2 4 1 0 3]

我希望：

[4, 1, 2, 3, 0]
[3, 2, 0, 4, 1]

---

有人能解释一下这种行为吗？

我想你对

argsort

应该返回的内容感到困惑。解释输出的方法是，如果使用这些索引对原始数组进行索引，那么最终将按排序顺序取出所有元素

• 它会告诉您从数组中选择元素以获得排序结果的顺序

• 它不会告诉您索引

  i

  处的数字应该位于什么位置

碰巧在第一个例子中，这两个是相同的，所以这一定让你感到不舒服

---

这就是

argsort

的使用方法：

arr = np.array([0.75, 0.5, 0.0, 1.0, 0.25])

np.argsort(arr)
# array([2, 4, 1, 0, 3])

arr[np.argsort(arr)]
# array([0.  , 0.25, 0.5 , 0.75, 1.  ])

---

除此之外，您通常会对其他内容进行排序，而不是

arr

谢谢。是的，你说得对。在我努力理解这个函数的过程中，我碰巧选择了一个顺序，这使我以另一种方式来看待这个问题，我无法让我的大脑去发现它。谢谢你把它弄松了。