我正在寻找一种可以帮助我执行以下操作的单行解决方案。
假设我有
array = np.array([10, 20, 30, 40, 50])
我想根据输入顺序重新排列它。如果有一个名为 arrange 的 numpy 函数，它将执行以下操作：
newarray = np.arrange(array, [1, 0, 3, 4, 2])
print newarray
[20, 10, 40, 50, 30]
形式上，如果要重新排序的数组是 m x n，而“index”数组是 1 x n，则排序将由名为“index”的数组确定。
numpy有这样的功能吗？
【问题讨论】：
对于那些有同样困惑的人，我实际上正在寻找一个稍微不同版本的“基于索引重新排列数组”。在我的情况下，索引数组正在索引目标数组而不是源数组。换句话说，我试图根据它在新数组中的位置重新排列一个数组。
在这种情况下，只需在索引之前应用argsort。例如
>>> arr = np.array([10, 20, 30, 40, 50])
>>> idx = [1, 0, 3, 4, 2]
>>> arr[np.argsort(idx)]
array([20, 10, 50, 30, 40])
请注意此结果与 op 所需结果之间的差异。
可以来回验证
>>> arr[np.argsort(idx)][idx] == arr
array([ True, True, True, True, True])
>>> arr[idx][np.argsort(idx)] == arr
array([ True, True, True, True, True])
【讨论】：
如果你想按降序排序：
a = np.array([1,2,3,4,5])
np.argsort(a)
> array([0, 1, 2, 3, 4])
np.argsort(-a)
> array([4, 3, 2, 1, 0])
【讨论】：
对于索引为二维数组的，可以使用map函数。 这是一个例子：
a = np.random.randn(3, 3)
print(a)
print(np.argsort(a))
print(np.array(list(map(lambda x, y: y[x], np.argsort(a), a))))
输出是
[[-1.42167035 0.62520498 2.02054623]
[-0.17966393 -0.01561566 0.24480554]
[ 1.10568543 0.00298402 -0.71397599]]
[[0 1 2]
[0 1 2]
[2 1 0]]
[[-1.42167035 0.62520498 2.02054623]
[-0.17966393 -0.01561566 0.24480554]
[-0.71397599 0.00298402 1.10568543]]
【讨论】：
您可以直接使用“索引”列表，也可以使用索引数组：
>>> arr = np.array([10, 20, 30, 40, 50])
>>> idx = [1, 0, 3, 4, 2]
>>> arr[idx]
array([20, 10, 40, 50, 30])
如果idx 已经是ndarray 而不是list，它往往会快得多，即使它可以以任何一种方式工作：
>>> %timeit arr[idx]
100000 loops, best of 3: 2.11 µs per loop
>>> ai = np.array(idx)
>>> %timeit arr[ai]
1000000 loops, best of 3: 296 ns per loop
【讨论】：
[[1,0], [0,1]] 将[[1,2], ["a", "b"] 变成[[2,1], ["a", "b"]]。我知道一个丑陋的方法是使用 for 循环使用索引数组的相应行重新排列数组的每一行。但必须有更快的方法。
idx不能是元组。这有点违反直觉，但您的解决方案非常有效。谢谢