我该如何按照NumPy数组的第n列进行排序?
例如,给定以下数组:
a = array([[9, 2, 3],
[4, 5, 6],
[7, 0, 5]])
我想通过第二列来排序a
的行,得到:
array([[7, 0, 5],
[9, 2, 3],
[4, 5, 6]])
按照a
的第二列进行排序:
a[a[:, 1].argsort()]
要了解“正确”的方法,请参阅numpy.ndarray.sort的order关键字参数。
但是,您需要将数组视为具有字段的数组(结构化数组)。
如果您最初没有定义带字段的数组,则“正确”的方法相当丑陋...
作为一个快速示例,对其进行排序并返回副本:
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]])
要原地排序:
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]])
@Steve的方法是我所知道的最优雅的方法...
这种方法的唯一优点是"order"参数是一个按字段排序搜索结果的列表。例如,您可以通过提供order=['f1','f2','f0']来按第二列、第三列和第一列的顺序排序。
ValueError: new type not compatible with array.
的错误提示。 - Clippitnp.argsort
返回的索引本身可能会占用相当多的内存,而且使用数组进行索引也会生成正在排序的数组的副本。 - ali_m'i8,i8,i8'
的含义是什么?它是针对每列还是每行的?如果排序不同的数据类型会发生什么变化?如何找出正在使用的位数?谢谢。 - evn按照Steve Tjoa的方法,您可以使用稳定排序(如归并排序)在多列上进行排序,并将最不重要的列到最重要的列的索引进行排序:
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。
如果有人希望在程序的关键部分使用排序,这里是不同提议的性能比较:
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
看起来使用argsort进行索引是目前最快的方法...
来自NumPy邮件列表的另一个解决方案:
>>> 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]])
a[np.lexsort(a.T[cols])]
,其中 cols=[1]
是原问题中给出的。 - Radio Controlled正如Python文档维基所建议的:
a = ([[1, 2, 3], [4, 5, 6], [0, 0, 1]]);
a = sorted(a, key=lambda a_entry: a_entry[1])
print a
输出:
[[[0, 0, 1], [1, 2, 3], [4, 5, 6]]]
np.array
应用于结果,时间会增加到4.3毫秒。 - Kelly Bundy我有一个类似的问题。
我的问题:
我想计算SVD,并需要按降序排序我的特征值,但我想保留特征值和特征向量之间的映射关系。我的特征值在第一行,相应的特征向量在同一列下面。
因此,我想按第一行降序排列二维数组的列。
我的解决方案
a = a[::, a[0,].argsort()[::-1]]
那么这是如何工作的呢?
a[0,]
就是我想按照其排序的第一行。
现在我使用 argsort 来获取索引顺序。
我使用 [::-1]
是因为需要降序排列。
最后,我使用a[::, ...]
来获取正确顺序的列视图。
import numpy as np
a=np.array([[21,20,19,18,17],[16,15,14,13,12],[11,10,9,8,7],[6,5,4,3,2]])
y=np.argsort(a[:,2],kind='mergesort')# a[:,2]=[19,14,9,4]
a=a[y]
print(a)
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)
返回一个numArray
排序后的索引数组。
示例:
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
答案将是 [1,5,8]
lexsort
示例——在第1列上按降序排列,第2列按升序排列。 lexsort
的技巧是它按行排序(因此需要使用.T
),并优先考虑最后一个。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]])
这是另一种解决方案,考虑到所有列(比J.J的答案更紧凑);
ar=np.array([[0, 0, 0, 1],
[1, 0, 1, 0],
[0, 1, 0, 0],
[1, 0, 0, 1],
[0, 0, 1, 0],
[1, 1, 0, 0]])
使用lexsort进行排序。
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]])
[:,1]
表示矩阵a
的第二列。 - Steve Tjoaa[a[:,1].argsort()[::-1]]
。 - Steven C. Howellind = np.argsort(a[:,1]); a = a[ind]
- poppie