Python Matrice de tri via une colonne

J'ai un n x 2 matrice d'entiers. La première colonne est une série 0,1,-1,2,-2, mais ces derniers sont dans l'ordre qu'ils ont été compilés à partir de leurs constituants des matrices. La deuxième colonne est une liste d'indices à partir d'une autre liste.

Je voudrais trier la matrice par l'intermédiaire de ce deuxième colonne. Ce serait l'équivalent de la sélection de deux colonnes de données dans Excel, et le tri par Colonne B (où les données sont dans les colonnes A et B). Gardez à l'esprit, le centre de données dans la première colonne de chaque ligne doit être conservé avec son deuxième colonne de contrepartie. J'ai regardé les solutions utilisant les éléments suivants: 

data[np.argsort(data[:, 0])]

Mais cela ne semble pas fonctionner. La matrice en question ressemble à ceci:

matrix([[1, 1],
        [1, 3],
        [1, 7],
        ..., 
        [2, 1021],
        [2, 1040],
        [2, 1052]])
InformationsquelleAutor tripkane | 2012-11-12
  1. 3

    Vous pouvez utiliser np.lexsort:

    numpy.lexsort(clés, axe=-1)

    Effectuer une indirecte de tri à l'aide d'une séquence de touches.

    Donne plusieurs clés de tri, qui peuvent être interprétées comme des colonnes dans un
    feuille de calcul, lexsort retourne un tableau d'entiers à des indices de
    décrit l'ordre de tri sur plusieurs colonnes.

    In [13]: data = np.matrix(np.arange(10)[::-1].reshape(-1,2))

In [14]: data
Out[14]: 
matrix([[9, 8],
        [7, 6],
        [5, 4],
        [3, 2],
        [1, 0]])

In [15]: temp = data.view(np.ndarray)

In [16]: np.lexsort((temp[:, 1], ))
Out[16]: array([4, 3, 2, 1, 0])

In [17]: temp[np.lexsort((temp[:, 1], ))]
Out[17]: 
array([[1, 0],
       [3, 2],
       [5, 4],
       [7, 6],
       [9, 8]])

    Remarque si vous passez plus d'une touche à np.lexsort, le dernier clé est la clé primaire. La prochaine à la dernière clé est la deuxième clé, et ainsi de suite.

    À l'aide de np.lexsort que je montre ci-dessus nécessite l'utilisation d'un tableau temporaire, car np.lexsort ne fonctionne pas sur numpy matrices. Depuis
    temp = data.view(np.ndarray) crée une vue, plutôt qu'une copie de data, il ne nécessite pas beaucoup de mémoire supplémentaire. Cependant, 

    temp[np.lexsort((temp[:, 1], ))]

    est un nouveau tableau, qui ne nécessitent plus de mémoire.

    Il est aussi un moyen de trier par colonnes en place. L'idée est d'afficher le tableau comme une structure du tableau avec deux colonnes. Contrairement à la plaine ndarrays, structuré tableaux ont un sort méthode qui permet de spécifier les colonnes clés:

    In [65]: data.dtype
Out[65]: dtype('int32')

In [66]: temp2 = data.ravel().view('int32, int32')

In [67]: temp2.sort(order = ['f1', 'f0'])

    Remarque que depuis temp2 est un vue de data, il ne nécessite pas l'attribution de nouvelles de la mémoire et de la copie de la matrice. Aussi, le tri temp2 modifie data en même temps:

    In [69]: data
Out[69]: 
matrix([[1, 0],
        [3, 2],
        [5, 4],
        [7, 6],
        [9, 8]])
    • Tas merci @unutbu votre une star! Je regarde la deuxième solution, le mieux c'est exactement ce que je voulais 🙂 Merci encore
    InformationsquelleAutor unutbu
  2. 1

    Vous avez eu la bonne idée, juste à côté de quelques personnages:

    >>> import numpy as np
>>> data = np.matrix([[9, 8],
...                   [7, 6],
...                   [5, 4],
...                   [3, 2],
...                   [1, 0]])
>>> data[np.argsort(data.A[:, 1])]
matrix([[1, 0],
        [3, 2],
        [5, 4],
        [7, 6],
        [9, 8]])
    • Merci pour la clarification avec cette méthode @Bi Rico 😉
    InformationsquelleAutor Bi Rico