按前 n 行对二维数组进行排序

Question

如何按前两行对 NumPy 中的数组进行排序？

例如，

A=array([[9, 2, 2],
         [4, 5, 6],
         [7, 0, 5]])

我想按前两行对列进行排序，这样我就回来了：

A=array([[2, 2, 9],
         [5, 6, 4],
         [0, 5, 7]])

谢谢！

Answer 1

一种方法是将我们想要对其进行argsort的 2D 数组转换为更易于处理的 1D 数组。 为此，一个想法可能是将行相乘以考虑排序目的，方法是通过以10序列的幂连续递减值，将它们sum ，然后使用argsort （注意：对于k的高值，此方法在数值上是不稳定的。适用于高达 ~ 20的值）：

def sort_on_first_k_rows(x, k):
    # normalize each row so that its max value is 1
    a = (x[:k,:]/x[:k,:,None].max(1)).astype('float64')
    # multiply each row by the seq 10^n, for n=k-1,k-2...0
    # Ensures that the contribution of each row in the sorting is
    # captured in the final sum
    a_pow = (a*10**np.arange(a.shape[0]-1,-1,-1)[:,None])
    # Sort with the argsort on the resulting sum
    return x[:,a_pow.sum(0).argsort()]

检查共享示例：

sort_on_first_k_rows(A, 2)
array([[2, 2, 9],
       [5, 6, 4],
       [0, 5, 7]])

---

或者用另一个例子：

A=np.array([[9, 2, 2, 1, 5, 2, 9],
            [4, 7, 6, 0, 9, 3, 3],
            [7, 0, 5, 0, 2, 1, 2]])

sort_on_first_k_rows(A, 2)
array([[1, 2, 2, 2, 5, 9, 9],
       [0, 3, 6, 7, 9, 3, 4],
       [0, 1, 5, 0, 2, 2, 7]])

Answer 2

pandas库对于DataFrames的排序非常灵活 - 但仅基于列。 所以我建议像这样转置并将数组转换为DataFrame （请注意，您需要指定列名以便稍后定义排序标准）：

df = pd.DataFrame(A.transpose(), columns=['col'+str(i) for i in range(len(A))])

然后对其进行排序并将其转换回来，如下所示：

A_new = df.sort_values(['col0', 'col1'], ascending=[True, True]).to_numpy().transpose()