使用NumPy按元素长度排序字符串数组

Question

我想使用numpy按元素长度对字符串数组进行排序。

>>> arr = ["year","month","eye","i","stream","key","house"]
>>> x = np.sort(arr, axis=-1, kind='mergesort')
>>> print(x)
['eye' 'house' 'i' 'key' 'month' 'stream' 'year']

但是它按字母数字顺序进行排序。我应该如何使用numpy按长度对它们进行排序？

- GGG

---

如果你这样做是因为你认为它可能会更快，那么你并没有理解numpy的工作方式。它是为占用相同字节数的元素设计的。不等长字符串不满足这一点，因此在numpy中它们只会被包装成对象，这可能会更加低效。 - Oliver W.

虽然使用numpy有很多好处，但我必须同意Oliver的评论。这个代码示例自然地调用了Python内置的排序方法，它允许更美观/紧凑的语法。（但也许你有其他使用numpy的理由，而这只是一个例子）。 - sascha

谢谢。目前我对numpy还很陌生，正在尝试理解。@sascha 当我有许多字符串元素要按长度排序时，我应该使用哪种方法？只用Python自带的sort方法吗？ - GGG

谢谢 @OliverW。 - GGG

根据你的使用情况选择适合的工具。我认为性能上不会有太大差异。如果代码的其他部分使用了numpy，请继续使用它。如果没有，那么仅仅为了排序而使用numpy是很奇怪的，因为内置的排序函数也可以做到。不知道你在做什么情况下很难给出建议（上面的用例实际上并不需要numpy）。 - sascha

我理解了，谢谢 @sascha - GGG

Answer 1

添加一个辅助数组，包含字符串的长度，然后使用numpy的argsort函数，该函数会根据这些长度给出排序后的索引。使用这些索引来索引原始数据：

import numpy as np
arr = np.array(["year","month","eye","i","stream","key","house"])  # np-array needed for later indexing
arr_ = map(lambda x: len(x), arr)  # remark: py3 would work different here
x = arr[np.argsort(arr_)]
print(x)

- sascha

---

还有numpy.char.str_len（但它只是稍微快一点）。 - user2379410

因为您正在使用Python3并忽略了我的评论，请使用arr_ = list(map...)而不是仅仅使用map(...)。Py3的map返回一个迭代器，而不是一个列表/数组，所以我们需要这个额外的步骤。 - sascha

Answer 2

如果我将您的列表扩展到arr1=arr*1000，则使用len作为key函数的Python列表排序最快。

In [77]: len(arr1)
Out[77]: 7000

In [78]: timeit sarr=sorted(arr1,key=len)
100 loops, best of 3: 3.03 ms per loop

In [79]: %%timeit
arrA=np.array(arr1)
larr=[len(i) for i in arrA]  # list comprehension works same as map
sarr=arrA[np.argsort(larr)]
   ....: 
100 loops, best of 3: 7.77 ms per loop

将列表转换为数组大约需要1毫秒（这种转换会增加显著的开销，特别是对于小型列表而言）。使用已创建的数组和np.char.str_len，时间仍然比Python的sort慢。

In [83]: timeit sarr=arrA[np.argsort(np.char.str_len(arrA))]
100 loops, best of 3: 6.51 ms per loop

< p > 尽管 np.char 函数很方便，但它们仍然基本上迭代列表，应用相应的 str 方法。

通常情况下，argsort 给您提供了与 key 函数相同的大部分功能。

- hpaulj