根据行对numpython矩阵进行逐步排序

我四处寻找，试图找到一个解决这个看似简单的问题的办法，但什么也没找到。问题是根据矩阵的列对矩阵进行逐步排序。如果我有一个numpy矩阵，比如：

import numpy as np
X=np.matrix([[0,0,1,2],[0,0,1,1],[0,0,0,4],[0,0,0,3],[0,1,2,5]])
print(X)
[[0 0 1 2]
 [0 0 1 1]
 [0 0 0 4]
 [0 0 0 3]
 [0 1 2 5]]

我想根据第一列、第二列、第三列等对其进行排序，得到如下结果：

Xsorted=np.matrix([[0,0,0,3],[0,0,0,4],[0,0,1,1],[0,0,1,2],[0,1,2,5]])
print(Xsorted)
[[0,0,0,3]
 [0,0,0,4]
 [0,0,1,1]
 [0,0,1,2]
 [0,1,2,5]]

虽然我认为可以通过命名列等方式对矩阵进行排序，但我更希望有一种排序方法，它不太依赖于矩阵的大小。我正在使用Python 3.4，如果这很重要的话

任何帮助都将不胜感激

这里：

data = [[0,0,1,2],[0,0,1,1],[0,0,0,4],[0,0,0,3],[0,1,2,5]]
x  = pandas.DataFrame(data)
# order of columns to sort
z = x.sort([0,1,2,3])
output = z.as_matrix()

输出

：

array([[0, 0, 0, 3],
   [0, 0, 0, 4],
   [0, 0, 1, 1],
   [0, 0, 1, 2],
   [0, 1, 2, 5]])

---

它不会特别快，但您可以始终将行转换为元组，然后使用Python的排序：

np.matrix(sorted(map(tuple, X.A)))

您还可以使用

np.lexsort

，如中的建议：

lexsort方法似乎更快，不过您应该使用实际数据进行测试，以确保：

In [20]: X = np.matrix(np.random.randint(10, size=(100,100)))

In [21]: %timeit np.matrix(sorted(map(tuple, X.A)))
100 loops, best of 3: 2.23 ms per loop

In [22]: %timeit X[np.lexsort(X.T[::-1])]
1000 loops, best of 3: 1.22 ms per loop

---

你必须使用numpy吗？我不在乎使用numpy，但如果可能的话，我希望结果保持矩阵形式，或者至少能够很容易地将结果转换为矩阵形式。添加了一些解释和输出。所有人——非常感谢您的帮助！事实证明，所有这些解决方案在某个时候都会对我有用！

In [20]: X = np.matrix(np.random.randint(10, size=(100,100)))

In [21]: %timeit np.matrix(sorted(map(tuple, X.A)))
100 loops, best of 3: 2.23 ms per loop

In [22]: %timeit X[np.lexsort(X.T[::-1])]
1000 loops, best of 3: 1.22 ms per loop