尝试

Question

我正在将一个MATLAB代码移植到Python的Numpy。

在MATLAB（实际上是Octave）中，我有类似的东西：

>> someArr = [9, 8, 7, 7]
>> [~, ans] = sort(someArr, 'descend')
   ans =
   1   2   3   4

所以在Numpy，我正在做：

>>> someArr = np.array([9, 8, 7, 7])
>>> np.argsort(someArr)[::-1]
array([0, 1, 3, 2])

我在MATLAB中获得了1, 2, 3, 4而在Numpy上获得了0, 1, 3, 2，而我在Numpy上需要0, 1, 2, 3。

我相信它是由于每个函数中使用的排序算法，但我检查过，看起来两者都使用“quicksort”（请参阅here和here）。

如何将Numpy的解决方案与MATLAB解决方案相匹配？

Answer 1

为了使这项工作，我们需要有点聪明。 numpy没有'descend'类似物。你通过反转排序的结果来模仿它（最终你正在撤消）。

我不确定matlab如何完成它，但他们声称使用了stable variant of quicksort。具体来说，对于降序排序：

如果标志为'descend'，则输出在返回之前反转。在逆转之后，我们运行索引向量排序以恢复稳定性。

octave似乎在此处效仿。

由于它们的排序是稳定的，因此可以保证输入中的相等值的顺序将保留在输出中。另一方面，numpy对它的快速排序没有做出这样的保证。如果我们想要一个稳定的numpy排序，我们需要使用mergesort：

>>> np.argsort(someArr, kind='mergesort')
array([2, 3, 1, 0])

好的，这个输出很有意义。 someArr[2] == someArr[3]，第三个元素出现在第四个元素之前，因此2在输出中3之前是明智的（没有保证稳定的排序算法，我们无法做出此声明）。现在来了聪明的踩踏......你想要“降序”值，而不是颠倒argsort的输出，为什么我们不否定输入呢？这将会产生比较低数字排序更大数字排序的效果，正如降序排序那样......

>>> np.argsort(-someArr, kind='quicksort')
array([0, 1, 2, 3])

现在我们正在谈论！由于mergesort保证稳定，因此出现在较低索引处的元素（具有相等的值）将首先出现在输出中 - 就像matlab / octave一样。好的。

Answer 2

您可以选择不同的排序算法。将其更改为heapsort对我有用：

>> np.argsort(someArr, kind="heapsort")[::-1]
array([0, 1, 2, 3], dtype=int32)

编辑：这仅适用于我看过的一些测试用例。 [9, 8, 7, 7, 4, 1, 1]它停止工作。我的回答可能不是一个好的解决方案。

Answer 3

尝试

np.argsort(dataset,axis=-1,kind='stable')

MATLAB sort（）vs Numpy argsort（） - 如何匹配结果？

3 个答案:

尝试