Comment réorganiser tableau basé sur l'indice de tableau

Je suis à la recherche d'une solution en ligne qui pourrait m'aider à faire ce qui suit.

Supposons que j'ai

array = np.array([10, 20, 30, 40, 50])

J'aimerais réorganiser basée sur une entrée de commande. Si il y avait un numpy fonction appelée arrange, elle serait la suivante:

newarray = np.arrange(array, [1, 0, 3, 4, 2])
print newarray

    [20, 10, 40, 50, 30]

Formellement, si le tableau de réorganisation est de m x n, et l ' "indice" de la matrice est 1 x n, l'ordre sera déterminé par le tableau appelé "index".

Ne numpy ont une fonction comme ceci?

InformationsquelleAutor hlin117 | 2014-10-04
  1. 38

    Vous pouvez simplement utiliser votre "index" liste directement, comme, bien, un index de tableau:

    >>> arr = np.array([10, 20, 30, 40, 50])
>>> idx = [1, 0, 3, 4, 2]
>>> arr[idx]
array([20, 10, 40, 50, 30])

    Il a tendance à être beaucoup plus rapide si idx est déjà un ndarray et pas un list, même si cela fonctionnera de la manière suivante:

    >>> %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
    • Merci! Que faire si l'indice est tableau 2d? Par exemple je veux me tourner [[1,2], ["a", "b"] en [[2,1], ["a", "b"]] par l'utilisation de l'indice [[1,0], [0,1]]. Je sais une vilaine façon de le faire est d'utiliser pour la boucle de ré-organiser chaque ligne de la matrice à l'aide de la ligne correspondante de l'indice de tableau. Mais il doit bien y avoir un moyen plus rapide.
    • Remarque: l'indexation de tableau idx ne peut pas être un n-uplet. C'était en quelque sorte contre-intuitif, mais votre solution fonctionne parfaitement. Merci
    InformationsquelleAutor DSM
  2. 4

    pour les personnes dont l'indice de tableau 2d, vous pouvez utiliser la fonction map.
    Voici un exemple:

    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))))

    la sortie est 

    [[-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]]
    InformationsquelleAutor Jiaming Huang
  3. 0

    Si vous souhaitez faire le tri, mais décroissant:

    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])
    InformationsquelleAutor Pau B