python - 对 numpy 结构化和记录数组进行排序非常慢

Question

看起来，按单列对 numpy 结构化和记录数组进行排序比对类似的独立数组进行排序要慢得多：

In [111]: a = np.random.rand(1e4)

In [112]: b = np.random.rand(1e4)

In [113]: rec = np.rec.fromarrays([a,b])

In [114]: timeit rec.argsort(order='f0')
100 loops, best of 3: 18.8 ms per loop

In [115]: timeit a.argsort()
1000 loops, best of 3: 891 µs per loop

使用结构化数组有边际改进，但并不显着：

In [120]: struct = np.empty(len(a),dtype=[('a','f8'),('b','f8')])

In [121]: struct['a'] = a

In [122]: struct['b'] = b

In [124]: timeit struct.argsort(order='a')
100 loops, best of 3: 15.8 ms per loop

这表明从 argsort 创建索引数组然后使用它对各个数组重新排序可能更快。这没关系，除了我希望处理非常大的数组并希望尽可能避免复制数据。有没有我想念的更有效的方法来做到这一点？

Answer 1

拖慢你的是使用order，而不是你有一个记录数组的事实。如果要按单个字段排序，请执行以下操作：

In [12]: %timeit np.argsort(rec['f0'])
1000 loops, best of 3: 829 us per loop

一旦order使用，无论您要按多少个字段进行排序，性能都会下降：

In [16]: %timeit np.argsort(rec, order=['f0'])
10 loops, best of 3: 27.9 ms per loop

In [17]: %timeit np.argsort(rec, order=['f0', 'f1'])
10 loops, best of 3: 28.4 ms per loop

Answer 2

正如 Jaime 所说，您可以使用argsort对记录数组进行排序。

inds = np.argsort(rec['f0'])

并用于take避免复制

np.take(rec, inds, out=rec)