2

我有一个n x 2整数矩阵。第一列是一个系列 0,1,-1,2,-2,但是这些是按照它们从其组成矩阵中编译的顺序排列的。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,然后通过 B 列(其中数据位于 A 列和 B 列中)进行排序。请记住,每行第一列中的相邻数据应与其对应的第二列对应。我已经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]])
4

2 回答 2

3

您可以使用np.lexsort

numpy.lexsort(键,轴=-1)

使用一系列键执行间接排序。

给定多个排序键(可以解释为电子表格中的列),lexsort 返回一个整数索引数组,该数组描述了多列的排序顺序。


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,如果您将多个键传递给np.lexsort,则最后一个键是主键。倒数第二个键是第二个键,依此类推。


np.lexsort如上所示使用需要使用临时数组,因为它np.lexsort不适用于 numpy 矩阵。由于 temp = data.view(np.ndarray)创建的是视图,而不是 的副本data,因此它不需要太多额外的内存。然而,

temp[np.lexsort((temp[:, 1], ))]

是一个新数组,它确实需要更多内存。

还有一种方法可以就地按列排序。这个想法是将数组视为具有两列的结构化数组。与普通的 ndarray 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 的视图data因此不需要分配新内存和复制数组。此外,排序同时temp2修改data

In [69]: data
Out[69]: 
matrix([[1, 0],
        [3, 2],
        [5, 4],
        [7, 6],
        [9, 8]])
于 2012-11-12T04:01:31.767 回答
1

你的想法是对的,就在几个字符之间:

>>> 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]])
于 2012-11-12T16:22:13.390 回答