python3.x - Existe-t-il un moyen direct de trier des tableaux multidimensionnels en Python?

Question

Comment trier le tableau suivant par ordre décroissant de la première colonne :

dl1 = numpy.array([[ 0.02598003,1.],
                   [ 0.00730082,2.],
                   [ 0.05471569,3.],
                   [ 0.02599167,4.],
                   [ 0.0544947 ,5.],
                   [ 0.00753346,6.]])

D'autres endroits sur Internet disent que direct dl1.sort() triera par défaut par la première colonne, mais cela ne semble pas fonctionner

迷茫 · Answer

sorted(dl1, key=lambda x: x[0])

黄舟 · Answer

>>> a=np.array([[ 0.02598003,1.],
               [ 0.00730082,2.],
               [ 0.05471569,3.],
               [ 0.02599167,4.],
               [ 0.0544947 ,5.],
               [ 0.00753346,6.]])
>>> a.sort(0)
>>> a
array([[ 0.00730082,  1.        ],
       [ 0.00753346,  2.        ],
       [ 0.02598003,  3.        ],
       [ 0.02599167,  4.        ],
       [ 0.0544947 ,  5.        ],
       [ 0.05471569,  6.        ]])
>>>

np.sort trie chaque dimension séparément

Si vous souhaitez un tri conjoint de groupes bidimensionnels, utilisez la méthode np.argsortnp.argsort方法

>>> a=np.array([[ 0.02598003,1.],
               [ 0.00730082,2.],
               [ 0.05471569,3.],
               [ 0.02599167,4.],
               [ 0.0544947 ,5.],
               [ 0.00753346,6.]])

>>> a[a.argsort(0)[:,0]]
array([[ 0.00730082,  2.        ],
       [ 0.00753346,  6.        ],
       [ 0.02598003,  1.        ],
       [ 0.02599167,  4.        ],
       [ 0.0544947 ,  5.        ],
       [ 0.05471569,  3.        ]])
>>>

如果数据很多的话，用python内部的 sorted rrreee

S'il y a beaucoup de données, l'utilisation du sorted interne de Python réduira l'efficacité🎜

迷茫 · Answer

In [1]: lst= [[0.00730082, 2.0],
   ...:  [0.05471569, 3.0],
   ...:  [0.02599167, 4.0],
   ...:  [0.0544947, 5.0],
   ...:  [0.00753346, 6.0]]
   ...:

In [2]: sorted(lst, key=lambda x: x[0])
Out[2]:
[[0.00730082, 2.0],
 [0.00753346, 6.0],
 [0.02599167, 4.0],
 [0.0544947, 5.0],
 [0.05471569, 3.0]]