numpy.
argsort
返回将对数组排序的索引。
使用指定的算法沿给定轴执行间接排序 kind 关键字。它返回与形状相同的索引数组 a 沿给定轴按排序的顺序对数据进行索引。
数组排序。
要排序的轴。默认值为-1(最后一个轴)。如果没有,则使用扁平数组。
排序算法。默认值为“快速排序”。请注意,“stable”和“mergesort”都在幕后使用timsort,通常情况下,实际实现会因数据类型而异。保留“mergesort”选项是为了向后兼容。
在 1.15.0. 版更改: 添加了“稳定”选项。
什么时候? a 是一个定义了字段的数组,此参数指定要比较第一个、第二个等的字段。可以将单个字段指定为字符串,但并非所有字段都需要指定,但未指定的字段仍将按它们在数据类型中出现的顺序使用,以断开关系。
排序的索引数组 a 沿着指定的 axis .如果 a 是一维的, a[index_array] 产生排序 a . 更一般地说, np.take_along_axis(a, index_array, axis=axis) 总是产生排序 a 不考虑维度。
a[index_array]
np.take_along_axis(a, index_array, axis=axis)
参见
sort
描述使用的排序算法。
lexsort
具有多个键的间接稳定排序。
ndarray.sort
替换排序。
argpartition
间接部分排序。
take_along_axis
应用 index_array 从argsort到数组,就像调用sort一样。
index_array
笔记
见 sort 有关不同排序算法的说明。
从numpy 1.4.0开始 argsort 使用包含NaN值的实/复杂数组。增强的排序顺序记录在 sort .
实例
一维数组:
>>> x = np.array([3, 1, 2]) >>> np.argsort(x) array([1, 2, 0])
二维阵列:
>>> x = np.array([[0, 3], [2, 2]]) >>> x array([[0, 3], [2, 2]])
>>> ind = np.argsort(x, axis=0) # sorts along first axis (down) >>> ind array([[0, 1], [1, 0]]) >>> np.take_along_axis(x, ind, axis=0) # same as np.sort(x, axis=0) array([[0, 2], [2, 3]])
>>> ind = np.argsort(x, axis=1) # sorts along last axis (across) >>> ind array([[0, 1], [0, 1]]) >>> np.take_along_axis(x, ind, axis=1) # same as np.sort(x, axis=1) array([[0, 3], [2, 2]])
n维数组中已排序元素的索引:
>>> ind = np.unravel_index(np.argsort(x, axis=None), x.shape) >>> ind (array([0, 1, 1, 0]), array([0, 0, 1, 1])) >>> x[ind] # same as np.sort(x, axis=None) array([0, 2, 2, 3])
使用键排序:
>>> x = np.array([(1, 0), (0, 1)], dtype=[('x', '<i4'), ('y', '<i4')]) >>> x array([(1, 0), (0, 1)], dtype=[('x', '<i4'), ('y', '<i4')])
>>> np.argsort(x, order=('x','y')) array([1, 0])
>>> np.argsort(x, order=('y','x')) array([0, 1])