如何在python中对这些3D数据进行排序？

我有以下数据：

团体

在每个组中都有宽度

每个宽度有一米

例如：

 Group 1:
|Width|Meters|
--------------
|144  |500   |
--------------
|142  | 450  |

Group 2:
|Width|Meters|
--------------
|140  |500   |
--------------
|156  | 450  |

现在我需要创建一个排序算法，它将首先选择米数总和较大的组，然后按降序对宽度进行排序 我不知道如何存储这些数据？它应该是字典还是3d数组？还是三张名单？ 有了正确的数据结构，我怎样才能真正地对它进行排序。即使您引导我走向正确的道路，我也不会要求提供完整的代码。谢谢使用numpy:

#                 Width Meters   
data = np.array([[[144, 500],    # Group 1
                  [142, 450]],

                 [[140, 500],    # Group 2
                  [156, 460]]])

# Pick the group with the largest sum of Meters
group_index = np.argmax(data.sum(1)[:,1])
print(f'Group with the largest sum of Meters: Group {group_index + 1}')

result = data[group_index]

# sort by Width in descending order
result = result[np.argsort(result[:,0])[::-1]]

结果:

array([[156, 460],
       [140, 500]]) 

array([[[156, 460],
        [145, 300],
        [140, 500]],

       [[180, 455],
        [170, 500],
        [160, 300]],

       [[150, 300],
        [144, 500],
        [142, 450]]])

编辑：

data = np.array([[[144, 500],
                  [142, 450],
                  [150, 300]],  

                 [[140, 500],
                  [156, 460],
                  [145, 300]],

                 [[170, 500],
                  [180, 455],
                  [160, 300]]])

# Sort Groups by the sum of Meters
group_inds = np.argsort(data.sum(1)[:, 1])[::-1]
result = data[group_inds]

# Sort by Width in each group
result = result[np.arange(data.shape[0])[:, None], 
                np.argsort(result[..., 0], axis=1)[:,::-1]]

结果:

array([[156, 460],
       [140, 500]]) 

array([[[156, 460],
        [145, 300],
        [140, 500]],

       [[180, 455],
        [170, 500],
        [160, 300]],

       [[150, 300],
        [144, 500],
        [142, 450]]])

使用numpy：

#                 Width Meters   
data = np.array([[[144, 500],    # Group 1
                  [142, 450]],

                 [[140, 500],    # Group 2
                  [156, 460]]])

# Pick the group with the largest sum of Meters
group_index = np.argmax(data.sum(1)[:,1])
print(f'Group with the largest sum of Meters: Group {group_index + 1}')

result = data[group_index]

# sort by Width in descending order
result = result[np.argsort(result[:,0])[::-1]]

结果:

array([[156, 460],
       [140, 500]]) 

array([[[156, 460],
        [145, 300],
        [140, 500]],

       [[180, 455],
        [170, 500],
        [160, 300]],

       [[150, 300],
        [144, 500],
        [142, 450]]])

编辑：

data = np.array([[[144, 500],
                  [142, 450],
                  [150, 300]],  

                 [[140, 500],
                  [156, 460],
                  [145, 300]],

                 [[170, 500],
                  [180, 455],
                  [160, 300]]])

# Sort Groups by the sum of Meters
group_inds = np.argsort(data.sum(1)[:, 1])[::-1]
result = data[group_inds]

# Sort by Width in each group
result = result[np.arange(data.shape[0])[:, None], 
                np.argsort(result[..., 0], axis=1)[:,::-1]]

结果:

array([[156, 460],
       [140, 500]]) 

array([[[156, 460],
        [145, 300],
        [140, 500]],

       [[180, 455],
        [170, 500],
        [160, 300]],

       [[150, 300],
        [144, 500],
        [142, 450]]])

---

排序算法可以简单地用除法创建。
事实上，分组排序和（宽度、米）对排序是我们可以独立解决的不同问题

数据结构的选择取决于您的需要；例如，一个组可以是一个名为tuple（width，meter）的列表，或者如果您需要更高效的2d numpy阵列Nx2。
如果不需要命名组，则各种组的容器可以是一个列表（或numpy数组）、一个（名称、数据）元组列表或一个字典名->数据；没有严格的规则，每种可能性都有优点和缺点（例如，在（名称、数据）列表中，可能很难有效地找到知道名称的数据，但排序非常简单，1 LOC。虽然字典提供了一种很好的检索数据的方法，但排序可能会有点混乱）

这里是一个配置示例，我使用字典名->数据来存储各种组（不会排序！）；一个列表，该列表将以排序方式仅包含组的名称；数据的namedtuple列表。
通过这种方式，我可以轻松检索数据，如果我想查看顺序，我可以访问名称列表，然后访问数据字典

从集合导入namedtuple
GroupData=namedtuple（“GroupData”、[“Width”、“Meters”]）
#分组容器：
groups={“group1”：[GroupData（144500），GroupData（142650）]，
“第二组”：[GroupData（140800），GroupData（156450）]
#分组名称的排序列表
已排序的组=已排序（[组中名称的名称]，
key=lambda name:sum（组[name]中数据的data.Meters），
反向=真）
#对每组进行排序
对于groups.values（）中的group_数据：
group_data.sort（key=lambda data:data.Width，reverse=True）
打印（组）
打印（已排序的组）

排序算法可以简单地用除法创建。
事实上，分组排序和（宽度、米）对排序是我们可以独立解决的不同问题

数据结构的选择取决于您的需要；例如，一个组可以是一个名为tuple（width，meter）的列表，或者如果您需要更高效的2d numpy阵列Nx2。
如果不需要命名组，则各种组的容器可以是一个列表（或numpy数组）、一个（名称、数据）元组列表或一个字典名->数据；没有严格的规则，每种可能性都有优点和缺点（例如，在（名称、数据）列表中，可能很难有效地找到知道名称的数据，但排序非常简单，1 LOC。虽然字典提供了一种很好的检索数据的方法，但排序可能会有点混乱）

这里是一个配置示例，我使用字典名->数据来存储各种组（不会排序！）；一个列表，该列表将以排序方式仅包含组的名称；数据的namedtuple列表。
通过这种方式，我可以轻松检索数据，如果我想查看顺序，我可以访问名称列表，然后访问数据字典

从集合导入namedtuple
GroupData=namedtuple（“GroupData”、[“Width”、“Meters”]）
#分组容器：
groups={“group1”：[GroupData（144500），GroupData（142650）]，
“第二组”：[GroupData（140800），GroupData（156450）]
#分组名称的排序列表
已排序的组=已排序（[组中名称的名称]，
key=lambda name:sum（组[name]中数据的data.Meters），
反向=真）
#对每组进行排序
对于groups.values（）中的group_数据：
group_data.sort（key=lambda data:data.Width，reverse=True）
打印（组）
打印（已排序的组）

如果不进一步了解问题，就有点难说。DICT是清晰优雅代码的良好起点。如果速度很关键，numpy阵列可能会很有用。我建议从嵌套的dict开始（dict包含组，每个组本身就是一个dict等等），看看它是否适合你。你只需要对最大和的组进行排序，或者你需要按组的米和对组进行排序，然后对每个组排序成对宽度表？@MarcoZamboni-后者，需要按总和对组集进行排序，选择总和较大的组，然后对成对宽度米进行排序。@JussiNurminen我能提供更多信息吗？我将看看嵌套的dict。@JussiNurminen将其视为一个用于组的“for loop”，其中一个用于宽度的“for loop”，其中米将用于计算。该算法应该从具有最高米数和最大宽度的组开始，从而进行排序。我还可以提供其他信息让它变得更好吗？如果不知道更多关于这个问题的信息，就有点难说了。DICT是清晰优雅代码的良好起点。如果速度很关键，numpy阵列可能会很有用。我建议从嵌套的dict开始（dict包含组，每个组本身就是一个dict等等），看看它是否适合您。您需要只对总和最大的组进行排序，或者您需要