Python numpy 1.6.1 argsort（）奇怪的行为？

我有一个数组数据，它的形状是N，6。我将按最后一列对该数组进行排序，以便：

sortx = numpy.argsort( data[:,-1] )[::-1]
sortedData = data[ sortx, : ]

其中，[：：-1]用于将列从高到低排序，而不是从低到高，数据为float64。然后，我将此排序数组保存到.npy文件中，如下所示：

numpy.save( 'file.npy', sortedData )

但是，当我再次加载数组并检查数据的排序时，它似乎不符合顺序！奇怪的只是其中的一部分，而不是全部

data_again = numpy.load( 'file.npy' )
order = numpy.argsort( data_again[:,-1] )[::-1]
r = numpy.arange( len(data_again) )

如果将r和order与numpy.sum order==r进行比较，您会发现这并不等于N。大约2%的顺序不相同

首先，我是否正确理解上述代码？第二，有人能复制这个吗？我在Linux上使用Python 2.7.2和numpy 1.6.1

---

更新：即使在第一次排序之后和保存之前，也会发生此行为。所以这和排序本身有关。排序列中有重复值。

如果最后一列有重复值，我可以重现症状：

import numpy as np
np.random.seed(0)
data = np.random.random((8,2))
data[::2,-1] = data[1::2,-1]
print(data)
# [[ 0.5488135   0.54488318]
#  [ 0.60276338  0.54488318]
#  [ 0.4236548   0.891773  ]
#  [ 0.43758721  0.891773  ]
#  [ 0.96366276  0.52889492]
#  [ 0.79172504  0.52889492]
#  [ 0.56804456  0.0871293 ]
#  [ 0.07103606  0.0871293 ]]
sortx = np.argsort( data[:,-1] )[::-1]
sorted_data = data[ sortx, : ]

order = np.argsort( sorted_data[:,-1] )[::-1]
r = np.arange( len(sorted_data) )
print(order)
# [1 0 3 2 5 4 7 6]
print(r)
# [0 1 2 3 4 5 6 7]
print(np.allclose(order, r))
# False

默认情况下，np.argsort使用快速排序。快速排序不稳定，因此绑定行的顺序不一定与原始数据的顺序相同

但是，即使要使用稳定的排序（如mergesort），当您反转np.argsort的结果时，对于绑定的行，较高的索引将首先出现

因此，当您第二次调用np.argsort时，不会得到等于r的顺序

您可以通过对最后一列进行排序并使用np.arangelendata，0，-1作为分界符来生成该顺序：

sortx = np.lexsort((np.arange(len(data),0,-1), data[:,-1]))[::-1]
sorted_data = data[ sortx, : ]

order = np.lexsort((np.arange(len(data),0,-1), sorted_data[:,-1]))[::-1]
r = np.arange( len(sorted_data) )
print(order)
# [0 1 2 3 4 5 6 7]
print(r)
# [0 1 2 3 4 5 6 7]
print(np.allclose(order, r))
# True

---

使用np.arangelendata，0，-1将较高的索引放在绑定行的第一位，因此当您尊重索引时，较低的索引是第一位的。

您可以做很多事情来隔离问题；例如，在没有中间保存的情况下是否也会发生这种情况？数据的数据类型是什么？它们可能是看起来像数字的字符串吗？如果你发布一段重现问题的数据，这将对我们有很大帮助。谢谢它在没有保存的情况下发生。数据类型为float64。数据[：，-1]中是否有NaN值？您可以使用np.isnandata[：，-1]进行检查。任意。最后一列中是否有相等的值？在最后一列中，是否有看起来不符合顺序、共享相同值的行？我明白了！谢谢你用通俗易懂的语言把它拼出来。干杯