如何根据索引数组重新排列数组

Question

我希望你能为我提供一个一行代码的解决方案，用于执行以下操作。

假设我有以下内容：

array = np.array([10, 20, 30, 40, 50])

我希望根据输入的顺序重新排列它。如果有一个名为arrange的NumPy函数，它将执行以下操作：

newarray = np.arrange(array, [1, 0, 3, 4, 2])
print newarray

    [20, 10, 40, 50, 30]

正式来说，如果要重新排序的数组是m x n，而“索引”数组是1 x n，则排序将由名为“index”的数组确定。

NumPy有类似这样的函数吗？

- hlin117

Answer 1

你可以直接使用你的 "index" 列表，就像一个索引数组一样：

你可以直接使用你的“index”列表，作为一个索引数组：

>>> arr = np.array([10, 20, 30, 40, 50])
>>> idx = [1, 0, 3, 4, 2]
>>> arr[idx]
array([20, 10, 40, 50, 30])

如果 idx 已经是一个 ndarray 而不是一个 list，那么它通常会更快，尽管无论哪种方式都可以工作：

>>> %timeit arr[idx]
100000 loops, best of 3: 2.11 µs per loop
>>> ai = np.array(idx)
>>> %timeit arr[ai]
1000000 loops, best of 3: 296 ns per loop

- DSM

---

谢谢！如果“index”是2维数组怎么办？例如，我想用索引[[1,0],[0,1]]将[[1,2], ["a", "b"]]转换为[[2,1], ["a", "b"]]。我知道一种丑陋的方法是使用for循环来重新排列每一行数组，使用相应的索引数组中的行。但肯定有更快的方法。 - Skywalker326

注意：索引数组 idx 不能是元组。这在某种程度上有些违反直觉，但您的解决方案完美地运行了。谢谢！ - patzm

我知道这已经过时了，但我正在寻找相同的解决方案。在Python 3.7.3版本中，arr[ai]这一行似乎没有任何效果。 - user1941319

对于那些无法正常工作的人，请查看Dong Dong Justin的答案。我不得不使用np.argsort()进行转换。 - Genarito

@Skywalker326 我知道这有点老了，但你弄清楚了吗哈哈？我就是不能搞定那些二维的东西。 - undefined

Answer 2

对于索引是二维数组的元素，你可以使用map函数。以下是一个示例：

a = np.random.randn(3, 3)
print(a)
print(np.argsort(a))

print(np.array(list(map(lambda x, y: y[x], np.argsort(a), a))))

输出结果为：

[[-1.42167035  0.62520498  2.02054623]
 [-0.17966393 -0.01561566  0.24480554]
 [ 1.10568543  0.00298402 -0.71397599]]
[[0 1 2]
 [0 1 2]
 [2 1 0]]
[[-1.42167035  0.62520498  2.02054623]
 [-0.17966393 -0.01561566  0.24480554]
 [-0.71397599  0.00298402  1.10568543]]

- Jiaming Huang

Answer 3

对于那些有同样疑惑的人，我的确在寻找一个略微不同版本的“基于索引重新排列数组”。在我的情况中，索引数组是对目标数组而不是源数组进行索引。换句话说，我试图根据在新数组中的位置重新排列一个数组。

在这种情况下，只需在索引之前应用argsort即可进行排序。例如：

>>> arr = np.array([10, 20, 30, 40, 50])
>>> idx = [1, 0, 3, 4, 2]
>>> arr[np.argsort(idx)]
array([20, 10, 50, 30, 40])

请注意这个结果与操作者所期望的结果之间的区别。

可以来回验证。

>>> arr[np.argsort(idx)][idx] == arr
array([ True,  True,  True,  True,  True])
>>> arr[idx][np.argsort(idx)] == arr
array([ True,  True,  True,  True,  True])

- Dong Justin

Answer 4

如果您想按降序排序：

a = np.array([1,2,3,4,5])
np.argsort(a)
> array([0, 1, 2, 3, 4])
np.argsort(-a)
> array([4, 3, 2, 1, 0])

- Pau