按多个轴排序2D numpy数组

时间:2010-04-24 23:39:55

标签: python sorting numpy

我有一个2D numpy形状的阵列(N,2),它持有N个点(x和y坐标)。例如:

array([[3, 2],
       [6, 2],
       [3, 6],
       [3, 4],
       [5, 3]])

我想对它进行排序,使得我的点按x坐标排序,然后在x坐标相同的情况下按y排序。所以上面的数组应该是这样的:

array([[3, 2],
       [3, 4],
       [3, 6],
       [5, 3],
       [6, 2]])

如果这是一个普通的Python列表,我只需要定义一个比较器来做我想要的,但据我所知,numpy的sort函数不接受用户定义的比较器。有什么想法吗?


编辑:感谢您的想法!我设置了一个包含1000000个随机整数点的快速测试用例,并对我可以运行的那些进行了基准测试(抱歉,目前无法升级numpy)。

Mine:   4.078 secs 
mtrw:   7.046 secs
unutbu: 0.453 secs

7 个答案:

答案 0 :(得分:43)

使用lexsort

import numpy as np    
a = np.array([(3, 2), (6, 2), (3, 6), (3, 4), (5, 3)])

ind = np.lexsort((a[:,1],a[:,0]))    

a[ind]
# array([[3, 2],
#       [3, 4],
#       [3, 6],
#       [5, 3],
#       [6, 2]])

如果a.ravel()a,则

C_CONTIGUOUS会返回一个视图。如果这是真的, 使用ravel代替flatten稍加修改的@ars's method,可以很好地对a 就地排序进行排序:

a = np.array([(3, 2), (6, 2), (3, 6), (3, 4), (5, 3)])
dt = [('col1', a.dtype),('col2', a.dtype)]
assert a.flags['C_CONTIGUOUS']
b = a.ravel().view(dt)
b.sort(order=['col1','col2'])

由于ba的视图,因此排序b也排序a

print(a)
# [[3 2]
#  [3 4]
#  [3 6]
#  [5 3]
#  [6 2]]

答案 1 :(得分:14)

标题说"排序2D数组"。虽然提问者使用的是(N,2)形阵列,但可以概括unutbu的解决方案来处理任何(N,M)阵列,因为这可能是人们可能真正的寻找。

可以transpose数组并使用带有否定step的切片表示法将所有列以相反的顺序传递给lexsort

>>> import numpy as np
>>> a = np.random.randint(1, 6, (10, 3))
>>> a
array([[4, 2, 3],
       [4, 2, 5],
       [3, 5, 5],
       [1, 5, 5],
       [3, 2, 1],
       [5, 2, 2],
       [3, 2, 3],
       [4, 3, 4],
       [3, 4, 1],
       [5, 3, 4]])

>>> a[np.lexsort(np.transpose(a)[::-1])]
array([[1, 5, 5],
       [3, 2, 1],
       [3, 2, 3],
       [3, 4, 1],
       [3, 5, 5],
       [4, 2, 3],
       [4, 2, 5],
       [4, 3, 4],
       [5, 2, 2],
       [5, 3, 4]])

答案 2 :(得分:4)

numpy_indexed包(免责声明:我是它的作者)可用于以高效的完全矢量化方式解决这类处理和阵列问题:

import numpy_indexed as npi
npi.sort(a)  # by default along axis=0, but configurable

答案 3 :(得分:3)

您可以使用np.complex_sort。这有将数据更改为浮点的副作用,我希望这不是问题:

>>> a = np.array([[3, 2], [6, 2], [3, 6], [3, 4], [5, 3]])
>>> atmp = np.sort_complex(a[:,0] + a[:,1]*1j)
>>> b = np.array([[np.real(x), np.imag(x)] for x in atmp])
>>> b
array([[ 3.,  2.],
       [ 3.,  4.],
       [ 3.,  6.],
       [ 5.,  3.],
       [ 6.,  2.]])

答案 4 :(得分:3)

我正在努力做同样的事情,只是得到了帮助并解决了问题。如果您的数组具有列名(结构化数组),它可以顺利运行,我认为这是一种使用excel相同逻辑进行排序的非常简单的方法:

array_name[array_name[['colname1','colname2']].argsort()]

请注意包含排序条件的双括号。当然,您可以使用超过2列作为排序标准。

答案 5 :(得分:2)

编辑:删除了错误的答案。

这是使用中间结构化数组执行此操作的一种方法:

from numpy import array

a = array([[3, 2], [6, 2], [3, 6], [3, 4], [5, 3]])

b = a.flatten()
b.dtype = [('x', '<i4'), ('y', '<i4')]
b.sort()
b.dtype = '<i4'
b.shape = a.shape

print b

给出了所需的输出:

[[3 2]
 [3 4]
 [3 6]
 [5 3]
 [6 2]]

不确定这是否是最好的解决方法。

答案 6 :(得分:1)

我找到了一种方法:

from numpy import array
a = array([(3,2),(6,2),(3,6),(3,4),(5,3)])
array(sorted(sorted(a,key=lambda e:e[1]),key=lambda e:e[0]))

必须排序两次(并使用普通的python sorted函数而不是更快的numpy排序)非常糟糕,但它确实非常适合一行。