如何將 numpy.sort 用於 ndarray

Question

在我的程序中，我嘗試使用它們的索引獲取前 10 個數組項。 數組的類型是ndarray 。

for a in arr:
   print(a)

(0, 112354) 0.11235445
(0, 875) 0.155235445
(0, 6135) -0.14445445
...

我嘗試為此使用numpy.sort並將數組作為參數傳遞，但它沒有給出所需的結果。

如何獲得前 10 個數組項及其索引？

更新

pprint(arr)輸出是

<1x28382 sparse matrix of type '<class 'numpy.float64'>'
    with 18404 stored elements in Compressed Sparse Row format>

print(arr)返回：

 (0, 11098) 0.113315317878
  (0, 6775) 0.0513432082411
  (0, 5107) 0.0544519626112
  (0, 98)   0.059766413309
  (0, 27042)    0.104718642966
  (0, 22622)    0.104718642966
  (0, 6135) 0.104718642966

實際上arr是sklearn.svm.SVC.coef_對象。

謝謝你的幫助。

Answer 1

由於這是一個稀疏矩陣，因此在a.data上工作更有效。

一個簡單的例子：

from numpy import *
import scipy
a=zeros(12,int)
a[:6]=range(6)
shuffle(a)
a=scipy.sparse.csr_matrix(a.reshape(4,3))
print(a.toarray());print(a)

# a is
[[4 0 1]
 [3 0 5]
 [2 0 0]
 [0 0 0]]

# or in csr format
(0, 1)  5.0
(0, 2)  3.0
(1, 2)  2.0
(3, 0)  1.0
(3, 1)  4.0

然后找到 n 個最大值，以及與 row 和 col 相關的索引：

n=3 # the three biggest 
bigs=a.data.argsort()[:-n-1:-1] 
r,c=a.nonzero()
R,C=r[bigs],c[bigs]
print("the 3 biggest are in ",*zip(R,C))

這給出了：

the 3 biggest are in  (0, 1) (3, 1) (0, 2)