我有一个 n x 2 整数矩阵。第一列是一系列0,1,-1,2,-2,但是它们是按照它们的组成矩阵编译的顺序。第二列是另一个列表中的索引列表。
我想通过第二列对矩阵进行排序。这相当于在Excel中选择两列数据,并通过B列进行排序(数据在A和B列中)。请记住,每行第一列中的相邻数据应与其相应的第二列对应数据保持一致。我使用以下方法查看了解决方案:
data[np.argsort(data[:, 0])]
但这似乎不起作用。有问题的矩阵如下所示:
matrix([[1, 1],
[1, 3],
[1, 7],
...,
[2, 1021],
[2, 1040],
[2, 1052]])
答案 0 :(得分:3)
您可以使用np.lexsort:
numpy.lexsort(keys,axis = -1)
使用一系列键进行间接排序。
给定多个排序键,可以将其解释为a中的列 电子表格,lexsort返回一个整数索引数组 按多列描述排序顺序。
In [13]: data = np.matrix(np.arange(10)[::-1].reshape(-1,2))
In [14]: data
Out[14]:
matrix([[9, 8],
[7, 6],
[5, 4],
[3, 2],
[1, 0]])
In [15]: temp = data.view(np.ndarray)
In [16]: np.lexsort((temp[:, 1], ))
Out[16]: array([4, 3, 2, 1, 0])
In [17]: temp[np.lexsort((temp[:, 1], ))]
Out[17]:
array([[1, 0],
[3, 2],
[5, 4],
[7, 6],
[9, 8]])
请注意,如果您将多个密钥传递给np.lexsort
,则 last 密钥是主密钥。倒数第二个键是第二个键,依此类推。
如上所示,使用np.lexsort
需要使用临时数组,因为np.lexsort
不适用于numpy矩阵。以来
temp = data.view(np.ndarray)
创建一个视图,而不是data
的副本,它不需要太多额外的内存。但是,
temp[np.lexsort((temp[:, 1], ))]
是一个新数组,需要更多内存。
还有一种方法可以按列就地进行排序。我们的想法是将数组视为具有两列的结构化数组。与普通的ndarrays不同,结构化数组有一个sort
方法,允许您将列指定为键:
In [65]: data.dtype
Out[65]: dtype('int32')
In [66]: temp2 = data.ravel().view('int32, int32')
In [67]: temp2.sort(order = ['f1', 'f0'])
请注意,由于temp2
是data
的视图,因此不需要分配新内存并复制数组。此外,排序temp2
会同时修改data
:
In [69]: data
Out[69]:
matrix([[1, 0],
[3, 2],
[5, 4],
[7, 6],
[9, 8]])
答案 1 :(得分:1)
你有正确的想法,仅仅是几个字符:
>>> import numpy as np
>>> data = np.matrix([[9, 8],
... [7, 6],
... [5, 4],
... [3, 2],
... [1, 0]])
>>> data[np.argsort(data.A[:, 1])]
matrix([[1, 0],
[3, 2],
[5, 4],
[7, 6],
[9, 8]])