如何在第n列中对NumPy中的数组进行排序?
例如,
a = array([[9, 2, 3],
[4, 5, 6],
[7, 0, 5]])
我想按第二列对行进行排序,以便我回来:
array([[7, 0, 5],
[9, 2, 3],
[4, 5, 6]])
答案 0 :(得分:587)
我认为这有效:a[a[:,1].argsort()]
这表示a
的第二列,并根据它进行排序。
答案 1 :(得分:115)
@steve实际上是最优雅的做法。
对于“正确”方式,请参阅numpy.ndarray.sort
的order关键字参数但是,您需要将数组视为带有字段(结构化数组)的数组。
如果您最初没有使用字段定义数组,那么“正确”方式会非常难看......
作为一个简单的例子,要对它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]])
要就地排序:
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真的是最优雅的方式,据我所知......
此方法的唯一优势是“order”参数是按顺序排序的字段列表。例如,您可以按第二列排序,然后按第三列排序,然后按顺序排序第一列= ['f1','f2','f0']。
答案 2 :(得分:23)
您可以按照Steve Tjoa的方法对多个列进行排序,方法是使用类似mergesort的稳定排序,并将索引从最不重要的列排序到最重要的列:
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')]
按列0排序,然后是1,然后是2。
答案 3 :(得分:19)
来自the Python documentation wiki,我认为你可以这样做:
a = ([[1, 2, 3], [4, 5, 6], [0, 0, 1]]);
a = sorted(a, key=lambda a_entry: a_entry[1])
print a
输出结果为:
[[[0, 0, 1], [1, 2, 3], [4, 5, 6]]]
答案 4 :(得分:16)
如果有人想在其程序的关键部分使用排序,请对不同的提案进行性能比较:
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
因此,看起来使用argsort进行索引是迄今为止最快的方法......
答案 5 :(得分:14)
从the NumPy mailing list开始,这是另一种解决方案:
>>> 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]])
答案 6 :(得分:3)
我遇到了类似的问题。
我的问题:
我想计算一个SVD,需要按降序排序eigenvalues。但我想保持特征值和特征向量之间的映射。 我的特征值在第一行,而在它下面的相应特征向量在同一列中。
所以我想按第一行按降序排列一个二维数组。
我的解决方案
a = a[::, a[0,].argsort()[::-1]]
那么这是如何运作的?
a[0,]
只是我要排序的第一行。
现在我使用argsort来获取索引的顺序。
我使用[::-1]
因为我需要降序。
最后,我使用a[::, ...]
以正确的顺序获取列的视图。
答案 7 :(得分:3)
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)
所需的输出为[[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numArray
的索引,因为它应该以排序的方式排列。
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
答案应为[1,5,8]
答案 8 :(得分:1)
稍微复杂一点的.T
示例 - 在第1列上下降,在第2列上下降。 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]])
的技巧是对行进行排序(因此为addChildViewController(controller)
controller.view.frame = ...
view.addSubview(controller.view)
controller.didMoveToParentViewController(self)
),并优先考虑最后一行。
{{1}}
答案 9 :(得分:0)
这是考虑所有列的另一种解决方案(J.J答案的更紧凑方式);
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]])
用lexsort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]])
答案 10 :(得分:0)
只需使用排序,请使用要排序的列号。
a = np.array([1,1], [1,-1], [-1,1], [-1,-1]])
print (a)
a=a.tolist()
a = np.array(sorted(a, key=lambda a_entry: a_entry[0]))
print (a)
答案 11 :(得分:0)
这是一个古老的问题,但是如果您需要将其推广到2维以上的数组,则可以采用以下解决方案:
np.einsum('ij->ij', a[a[:,1].argsort(),:])
这对于二维来说是一个过大的杀伤力,对于每个@steve的答案,a[a[:,1].argsort()]
就足够了,但是不能将答案推广到更高的维度。您可以找到an example of 3D array in this question.
输出:
[[7 0 5]
[9 2 3]
[4 5 6]]
答案 12 :(得分:0)
#用于沿第1列排序
indexofsort=np.argsort(dataset[:,0],axis=-1,kind='stable')
dataset = dataset[indexofsort,:]
答案 13 :(得分:0)
def sort_np_array(x, column=None, flip=False):
x = x[np.argsort(x[:, column])]
if flip:
x = np.flip(x, axis=0)
return x
原始问题中的数组:
a = np.array([[9, 2, 3],
[4, 5, 6],
[7, 0, 5]])
问题作者所预期的 sort_np_array
函数的结果:
sort_np_array(a, column=1, flip=False)
[2]: array([[7, 0, 5],
[9, 2, 3],
[4, 5, 6]])
答案 14 :(得分:0)
感谢这篇文章:https://stackoverflow.com/a/5204280/13890678
我使用 structured array 找到了一个更“通用”的答案。 我认为这种方法的一个优点是代码更易于阅读。
import numpy as np
a = np.array([[9, 2, 3],
[4, 5, 6],
[7, 0, 5]])
struct_a = np.core.records.fromarrays(
a.transpose(), names="col1, col2, col3", formats="i8, i8, i8"
)
struct_a.sort(order="col2")
print(struct_a)
[(7, 0, 5) (9, 2, 3) (4, 5, 6)]