按两个字段对结构化数组进行升序和降序排序的numpy方法

Question

我有这段代码：

TableArr = numpy.sort(TableArr, order=['destID','ATTRACT'])

我希望 'ATTRACT' 排序是降序的，而 destID 排序是升序的，这对两者都是默认的。尝试使用 [::-1] 操作失败了，因为它会翻转整个数组。

我想要指出，有一个可以设置为 True 或 False 的 reverse 参数，在其他地方提到过，但在我的情况下无效，并且在 Numpy 的文档中也没有提到。

- Blerg

---

我假设TableArr是一个numpy记录数组？你最好使用pandas：它的DataFrame类有一个sort method，可以实现你想要的功能。 - user707650

Python的列表排序函数sort()有一个参数reverse，而numpy的排序函数没有。链接中提供的numpy解决方案是将一列乘以-1，然后使用argsort()函数。 - hpaulj

如果 @hpauli 的方法不适用于您，您可以按 'destID' 排序，然后独立地按 'ATTRACT' 排序具有此字段相同值的切片并替换它们。但这可能会很慢。或者您可以将其转换为列表并使用 list.sort 的 key 参数。 - Dux

@hpauli，感谢您的提示，我只是在排序之前和之后将“ATTRACT”列乘以（-1）。也感谢其他所有人。 - Blerg

Answer 1

这是一个互动会话，用于测试我在评论中提出的想法：

In [1]: import numpy as np

In [2]: dt = np.dtype([('destID',int),('ATTRACT',float),('other','S10')])
In [3]: TableArr=np.zeros((10,),dt)
In [5]: TableArr['destID']=np.random.randint(10,size=(10,))
In [6]: TableArr['ATTRACT']=np.random.randint(100,size=(10,))

In [7]: TableArr
Out[7]: 
array([(2, 39.0, b''), (7, 7.0, b''), (8, 74.0, b''), (5, 83.0, b''),
       (5, 3.0, b''), (9, 26.0, b''), (8, 9.0, b''), (3, 1.0, b''),
       (1, 67.0, b''), (7, 5.0, b'')], 
      dtype=[('destID', '<i4'), ('ATTRACT', '<f8'), ('other', 'S10')])

In [13]: Tcopy=TableArr[['destID','ATTRACT']].copy()
# use copy() to avoid a FutureWarning

In [14]: Tcopy['ATTRACT'] *= -1  # 'reverse' a field

In [16]: I=np.argsort(Tcopy,order=['destID','ATTRACT'])

In [17]: I
Out[17]: array([8, 0, 7, 3, 4, 1, 9, 2, 6, 5], dtype=int32)

In [18]: TableArr[I]
Out[18]: 
array([(1, 67.0, b''), (2, 39.0, b''), (3, 1.0, b''), (5, 83.0, b''),
       (5, 3.0, b''), (7, 7.0, b''), (7, 5.0, b''), (8, 74.0, b''),
       (8, 9.0, b''), (9, 26.0, b'')], 
      dtype=[('destID', '<i4'), ('ATTRACT', '<f8'), ('other', 'S10')])

整数递增，在三种情况下它们相等的浮点数递减。因此它有效。

- hpaulj