numpy.argsort #

麻木的。argsort ( a , axis = -1 , kind = None , order = None ) [来源] #

返回对数组进行排序的索引。

使用kind关键字指定的算法沿给定轴执行间接排序。它返回与沿给定轴按排序顺序索引数据形状相同的索引数组 。

参数
类似数组

要排序的数组。

axis int 或 None,可选

排序所沿的轴。默认值为 -1(最后一个轴)。如果没有,则使用展平数组。

kind {'quicksort', 'mergesort', 'heapsort', 'stable'}, 可选

排序算法。默认为“快速排序”。请注意,“稳定”和“合并排序”都在幕后使用 timsort,并且一般来说,实际实现会因数据类型而异。保留“mergesort”选项是为了向后兼容。

版本 1.15.0 中进行了更改:添加了“稳定”选项。

排序str 或 str 列表,可选

a是定义了字段的数组时,该参数指定首先比较哪些字段,第二个字段等。单个字段可以指定为字符串,不需要指定所有字段,但未指定的字段仍然会被使用,在它们在数据类型中出现的顺序,以打破联系。

返回
索引数组ndarray, int

沿指定轴对a进行排序的索引数组。如果a是一维,则生成排序后的a。更一般地说,无论维数如何, 总是产生排序后的a 。a[index_array]np.take_along_axis(a, index_array, axis=axis)

也可以看看

sort

描述所使用的排序算法。

lexsort

具有多个键的间接稳定排序。

ndarray.sort

就地排序。

argpartition

间接部分排序。

take_along_axis

index_arrayargsort 应用于数组,就像调用 sort 一样。

笔记

请参阅sort参考资料 中有关不同排序算法的注释。

从 NumPy 1.4.0 开始,argsort适用于包含 nan 值的实数/复数数组。增强的排序顺序记录在 中sort

例子

一维数组:

>>> x = np.array([3, 1, 2])
>>> np.argsort(x)
array([1, 2, 0])

二维数组:

>>> 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 维数组的已排序元素的索引:

>>> 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])

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])