MATLAB sort() vs Numpy argsort() - 如何匹配結果？

Question

我正在將 MATLAB 代碼移植到 Python 的 Numpy。

在 MATLAB（實際上是 Octave）中，我有類似的東西：

>> someArr = [9, 8, 7, 7]
>> [~, ans] = sort(someArr, 'descend')
   ans =
   1   2   3   4

所以在 Numpy 我正在做：

>>> someArr = np.array([9, 8, 7, 7])
>>> np.argsort(someArr)[::-1]
array([0, 1, 3, 2])

我在 MATLAB 中得到1, 2, 3, 4而在 Numpy 上得到0, 1, 3, 2 ，而我在 Numpy 上需要0, 1, 2, 3 。

我相信這是由於每個函數中使用的排序算法，但我檢查過，看起來兩者都在使用“快速排序”（參見此處和此處）。

如何將 Numpy 的解決方案與 MATLAB 的解決方案相匹配？

Answer 1

為了使這項工作有效，我們需要稍微聰明一點。 numpy沒有'descend'類似物。 您通過反轉排序結果來模仿它（最終您要撤消操作）。

我不確定matlab如何完成它，但是他們聲稱使用了quicksort的穩定變體 。 具體來說，對於降序排序：

如果標志為“下降”，則在返回輸出之前將其反轉。 反轉之后，我們對索引向量進行了排序以恢復穩定性。

octave似乎在這里也一樣。

由於它們的排序是穩定的，因此可以保證輸入中相等值的順序將保留在輸出中。 另一方面， numpy對其numpy並沒有這樣的保證。 如果我們想在numpy中進行穩定排序，則需要使用mergesort ：

>>> np.argsort(someArr, kind='mergesort')
array([2, 3, 1, 0])

好的，此輸出很有意義。 someArr[2] == someArr[3]並且第三個元素在第四個元素之前，因此明智的做法是在輸出中2會在3之前（如果沒有保證的穩定排序算法，我們無法提出此主張）。 現在是明智的一步……您想要“降序”值，而不是反轉argsort的輸出，為什么不argsort反呢？ 與降序排序相比，這將產生比低序排序更大的數字排序的效果...

>>> np.argsort(-someArr, kind='quicksort')
array([0, 1, 2, 3])

現在我們在說話！ 而且由於可以保證mergesort是穩定的，因此出現在較低索引處的元素（具有相等值）將首先出現在輸出中-就像matlab / octave一樣。 真好

Answer 2

您可以選擇不同的排序算法。 將其更改為heapsort對我heapsort ：

>> np.argsort(someArr, kind="heapsort")[::-1]
array([0, 1, 2, 3], dtype=int32)

編輯：這僅適用於我看過的幾個測試用例。 對於[9, 8, 7, 7, 4, 1, 1]它停止工作。 我的答案可能不是一個好的解決方案。

Answer 3

嘗試這個

np.argsort(dataset,axis=-1,kind='stable')