Python 按列对NumPy中的数组进行排序
如何按第n列对NumPy中的数组进行排序 比如说,Python 按列对NumPy中的数组进行排序,python,arrays,sorting,numpy,scipy,Python,Arrays,Sorting,Numpy,Scipy,如何按第n列对NumPy中的数组进行排序 比如说, a = array([[9, 2, 3], [4, 5, 6], [7, 0, 5]]) 我想按第二列对行进行排序，以便返回： array([[7, 0, 5], [9, 2, 3], [4, 5, 6]]) 要按a的第二列进行排序： a[a[:, 1].argsort()] 要按a的第二列进行排序： a[a[:, 1].argsort()] 这实际上是最优雅的方式
a = array([[9, 2, 3],
[4, 5, 6],
[7, 0, 5]])
array([[7, 0, 5],
[9, 2, 3],
[4, 5, 6]])
要按
a的第二列进行排序a[a[:, 1].argsort()]
要按
a的第二列进行排序a[a[:, 1].argsort()]
In [1]: import numpy as np
In [2]: a = np.array([[1,2,3],[4,5,6],[0,0,1]])
In [3]: np.sort(a.view('i8,i8,i8'), order=['f1'], axis=0).view(np.int)
Out[3]:
array([[0, 0, 1],
[1, 2, 3],
[4, 5, 6]])
In [6]: a.view('i8,i8,i8').sort(order=['f1'], axis=0) #<-- returns None
In [7]: a
Out[7]:
array([[0, 0, 1],
[1, 2, 3],
[4, 5, 6]])
：a.view（'i8，i8，i8'）.sort（order=['f1'，axis=0）#实际上是最优雅的方式
有关“正确”的方法，请参见的order关键字参数
但是，您需要将数组视为带有字段的数组（结构化数组）
如果最初没有用字段定义数组，那么“正确”的方法非常难看
作为一个快速示例，要对其进行排序并返回副本，请执行以下操作：
In [1]: import numpy as np
In [2]: a = np.array([[1,2,3],[4,5,6],[0,0,1]])
In [3]: np.sort(a.view('i8,i8,i8'), order=['f1'], axis=0).view(np.int)
Out[3]:
array([[0, 0, 1],
[1, 2, 3],
[4, 5, 6]])
要将其排序到位，请执行以下操作：
In [6]: a.view('i8,i8,i8').sort(order=['f1'], axis=0) #<-- returns None
In [7]: a
Out[7]:
array([[0, 0, 1],
[1, 2, 3],
[4, 5, 6]])
[6]中的：a.view（'i8，i8，i8'）.sort（order=['f1'，axis=0）#从，我想你可以做：
a = ([[1, 2, 3], [4, 5, 6], [0, 0, 1]]);
a = sorted(a, key=lambda a_entry: a_entry[1])
print a
输出为：
[[[0, 0, 1], [1, 2, 3], [4, 5, 6]]]
从中，我认为您可以做到：
a = ([[1, 2, 3], [4, 5, 6], [0, 0, 1]]);
a = sorted(a, key=lambda a_entry: a_entry[1])
print a
输出为：
[[[0, 0, 1], [1, 2, 3], [4, 5, 6]]]
从中，这里是另一个解决方案：
>>> a
array([[1, 2],
[0, 0],
[1, 0],
[0, 2],
[2, 1],
[1, 0],
[1, 0],
[0, 0],
[1, 0],
[2, 2]])
>>> a[np.lexsort(np.fliplr(a).T)]
array([[0, 0],
[0, 0],
[0, 2],
[1, 0],
[1, 0],
[1, 0],
[1, 0],
[1, 2],
[2, 1],
[2, 2]])
从中，这里是另一个解决方案：
>>> a
array([[1, 2],
[0, 0],
[1, 0],
[0, 2],
[2, 1],
[1, 0],
[1, 0],
[0, 0],
[1, 0],
[2, 2]])
>>> a[np.lexsort(np.fliplr(a).T)]
array([[0, 0],
[0, 0],
[0, 2],
[1, 0],
[1, 0],
[1, 0],
[1, 0],
[1, 2],
[2, 1],
[2, 2]])
如果有人想在其计划的关键部分使用排序，这里是不同方案的性能比较：
import numpy as np
table = np.random.rand(5000, 10)
%timeit table.view('f8,f8,f8,f8,f8,f8,f8,f8,f8,f8').sort(order=['f9'], axis=0)
1000 loops, best of 3: 1.88 ms per loop
%timeit table[table[:,9].argsort()]
10000 loops, best of 3: 180 µs per loop
import pandas as pd
df = pd.DataFrame(table)
%timeit df.sort_values(9, ascending=True)
1000 loops, best of 3: 400 µs per loop
因此，使用索引似乎是迄今为止最快的方法…如果有人想在其程序的关键部分使用排序，下面是不同方案的性能比较：
import numpy as np
table = np.random.rand(5000, 10)
%timeit table.view('f8,f8,f8,f8,f8,f8,f8,f8,f8,f8').sort(order=['f9'], axis=0)
1000 loops, best of 3: 1.88 ms per loop
%timeit table[table[:,9].argsort()]
10000 loops, best of 3: 180 µs per loop
import pandas as pd
df = pd.DataFrame(table)
%timeit df.sort_values(9, ascending=True)
1000 loops, best of 3: 400 µs per loop
因此，使用索引似乎是迄今为止最快的方法…您可以按照Steve Tjoa的方法对多个列进行排序，方法是使用稳定的排序（如mergesort）并将索引从最低有效列排序到最高有效列：
a = a[a[:,2].argsort()] # First sort doesn't need to be stable.
a = a[a[:,1].argsort(kind='mergesort')]
a = a[a[:,0].argsort(kind='mergesort')]
这将按列0、1、2进行排序。您可以按照Steve Tjoa的方法对多个列进行排序，方法是使用稳定的排序（如mergesort）并将索引从最低有效列排序到最高有效列：
a = a[a[:,2].argsort()] # First sort doesn't need to be stable.
a = a[a[:,1].argsort(kind='mergesort')]
a = a[a[:,0].argsort(kind='mergesort')]
这将按第0列、第1列、第2列进行排序。稍微复杂一点的lexsort
示例-从第1列开始递减，从第2列开始递增。lexsort
的诀窍在于它按行排序（因此是.T
），并优先于最后一行
In [120]: b=np.array([[1,2,1],[3,1,2],[1,1,3],[2,3,4],[3,2,5],[2,1,6]])
In [121]: b
Out[121]:
array([[1, 2, 1],
[3, 1, 2],
[1, 1, 3],
[2, 3, 4],
[3, 2, 5],
[2, 1, 6]])
In [122]: b[np.lexsort(([1,-1]*b[:,[1,0]]).T)]
Out[122]:
array([[3, 1, 2],
[3, 2, 5],
[2, 1, 6],
[2, 3, 4],
[1, 1, 3],
[1, 2, 1]])
稍微复杂一点的lexsort
示例-从第1列开始下降，从第2列开始上升。lexsort
的诀窍在于它按行排序（因此是.T
），并优先于最后一行
In [120]: b=np.array([[1,2,1],[3,1,2],[1,1,3],[2,3,4],[3,2,5],[2,1,6]])
In [121]: b
Out[121]:
array([[1, 2, 1],
[3, 1, 2],
[1, 1, 3],
[2, 3, 4],
[3, 2, 5],
[2, 1, 6]])
In [122]: b[np.lexsort(([1,-1]*b[:,[1,0]]).T)]
Out[122]:
array([[3, 1, 2],
[3, 2, 5],
[2, 1, 6],
[2, 3, 4],
[1, 1, 3],
[1, 2, 1]])
我也有类似的问题
我的问题：
我想计算SVD，需要按降序对我的进行排序。但是我想保持特征值和特征向量之间的映射。
我的特征值在第一行，下面对应的特征向量在同一列
所以我想按第一行降序对二维数组按列进行排序
我的解决方案
a = a[::, a[0,].argsort()[::-1]]
那么这是如何工作的呢
a[0，]
只是我要排序的第一行
现在我使用argsort来获得索引的顺序
我使用[：：-1]
，因为我需要降序
最后，我使用a[：，…]
以正确的顺序获取列的视图。我也遇到了类似的问题
我的问题：
我想计算SVD，需要按降序对我的进行排序。但是我想保持特征值和特征向量之间的映射。
我的特征值在第一行，下面对应的特征向量在同一列
所以我想按第一行降序对二维数组按列进行排序
我的解决方案
a = a[::, a[0,].argsort()[::-1]]
那么这是如何工作的呢
a[0，]
只是我要排序的第一行
现在我使用argsort来获得索引的顺序
我使用[：：-1]
，因为我需要降序
最后，我使用a[：：，…]
以正确的顺序获取列的视图。这里是另一个考虑所有列的解决方案（以更简洁的方式回答）
用lexsort排序
ar[np.lexsort(([ar[:, i] for i in range(ar.shape[1]-1, -1, -1)]))]
输出：
array([[0, 0, 0, 1],
[0, 0, 1, 0],
[0, 1, 0, 0],
[1, 0, 0, 1],
[1, 0, 1, 0],
[1, 1, 0, 0]])
[[7 0 5]
[9 2 3]
[4 5 6]]
下面是另一个考虑到所有列的解决方案（更简洁的方法是使用的答案）
用lexsort排序
ar[np.lexsort(([ar[:, i] for i in range(ar.shape[1]-1, -1, -1)]))]
输出：
array([[0, 0, 0, 1],
[0, 0, 1, 0],
[0, 1, 0, 0],
[1, 0, 0, 1],
[1, 0, 1, 0],
[1, 1, 0, 0]])
[[7 0 5]
[9 2 3]
[4 5 6]]
只需使用sort，就可以使用要排序的列号
a = np.array([1,1], [1,-1], [-1,1], [-1,-1]])
print (a)
a=a.tolist()
a = np.array(sorted(a, key=lambda a_entry: a_entry[0]))
print (a)
只需使用sort，就可以使用要排序的列号
a = np.array([1,1], [1,-1], [-1,1], [-1,-1]])
print (a)
a=a.tolist()
a = np.array(sorted(a, key=lambda a_entry: a_entry[0]))
print (a)
这是一个老问题，但如果您需要将其推广到高于2维的数组，下面是一个很容易推广的解决方案：
np.einsum('ij->ij', a[a[:,1].argsort(),:])
对于二维而言，这是一种过度的杀伤力，a[a[：，1].argsort（）]
根据@steve的回答就足够了，但是这个答案不能推广到更高的维度。你可以找到
输出：
array([[0, 0, 0, 1],
[0, 0, 1, 0],
[0, 1, 0, 0],
[1, 0, 0, 1],
[1, 0, 1, 0],
[1, 1, 0, 0]])
[[7 0 5]
[9 2 3]
[4 5 6]]
这是一个老问题，但如果您需要将其推广到高于2维的数组，下面是一个很容易推广的解决方案：
np.einsum('ij->ij', a[a[:,1].argsort(),:])
对于二维而言，这是一种过度的杀伤力，a[a[：，1].argsort（）]
根据@steve的回答就足够了，但是这个答案不能推广到更高的维度。你可以找到
输出：
array([[0, 0, 0, 1],
[0, 0, 1, 0],
[0, 1, 0, 0],
[1, 0, 0, 1],
[1, 0, 1, 0],
[1, 1, 0, 0]])
[[7 0 5]
[9 2 3]
[4 5 6]]
期望的输出是[6,5,4,3,2]，[11,10,9,8,7]，[16,15,14,13,12]，[21,20,19,18,17]
请注意，argsort（numArray）
返回numArray
的索引，因为它应该以排序方式排列
范例
x=np.array([8,1,5])
z=np.argsort(x) #[1,3,0] are the **indices of the predicted sorted array**
print(x[z]) #boolean indexing which sorts the array on basis of indices saved in z
答案是[1,5,8]
期望的输出是[6,5,4,3,2]，[11,10,9,8,7]，[16,15,14,13,12]，[21,20,19,18,17]argsort（numArray）