列によるNumPyの配列の並べ替え

NumPyの配列をn番目の列でソートするにはどうすればよいですか？

例えば、

a = array([[9, 2, 3],
           [4, 5, 6],
           [7, 0, 5]])

行を2番目の列で並べ替えて、次のようにしたいと思います。

array([[7, 0, 5],
       [9, 2, 3],
       [4, 5, 6]])

@steveの答えは、実際には最もエレガントな方法です。

「正しい」方法については、numpy.ndarray.sortの orderキーワード引数を参照してください

ただし、配列をフィールド付きの配列（構造化配列）として表示する必要があります。

フィールドで配列を最初に定義しなかった場合、「正しい」方法は非常に醜いです...

簡単な例として、並べ替えてコピーを返すには：

In [1]: import numpy as np

In [2]: a = np.array([[1,2,3],[4,5,6],[0,0,1]])

In [3]: np.sort(a.view('i8,i8,i8'), order=['f1'], axis=0).view(np.int)
Out[3]: 
array([[0, 0, 1],
       [1, 2, 3],
       [4, 5, 6]])

インプレースでソートするには：

In [6]: a.view('i8,i8,i8').sort(order=['f1'], axis=0) #<-- returns None

In [7]: a
Out[7]: 
array([[0, 0, 1],
       [1, 2, 3],
       [4, 5, 6]])

@Steveは、私が知る限り、最もエレガントな方法です...

このメソッドの唯一の利点は、 "order"引数が検索の順序付けに使用するフィールドのリストであることです。たとえば、order = ['f1'、 'f2'、 'f0']を指定すると、2番目の列、3番目の列、1番目の列の順に並べ替えることができます。

私はこれがうまくいくと思います： a[a[:,1].argsort()]

これは、2番目の列を示し、aそれに基づいてソートされます。

マージソートのような安定したソートを使用し、最下位のカラムから最上位のカラムへとインデックスをソートすることにより、Steve Tjoaの方法に従って複数のカラムでソートできます。

a = a[a[:,2].argsort()] # First sort doesn't need to be stable.
a = a[a[:,1].argsort(kind='mergesort')]
a = a[a[:,0].argsort(kind='mergesort')]

これは、列0、1、2の順にソートされます。

Pythonドキュメントのwiki、私はあなたが行うことができると思います。

a = ([[1, 2, 3], [4, 5, 6], [0, 0, 1]]); 
a = sorted(a, key=lambda a_entry: a_entry[1]) 
print a

出力は次のとおりです。

[[[0, 0, 1], [1, 2, 3], [4, 5, 6]]]

プログラムの重要な部分でソートを利用したい場合は、さまざまな提案のパフォーマンス比較を以下に示します。

import numpy as np
table = np.random.rand(5000, 10)

%timeit table.view('f8,f8,f8,f8,f8,f8,f8,f8,f8,f8').sort(order=['f9'], axis=0)
1000 loops, best of 3: 1.88 ms per loop

%timeit table[table[:,9].argsort()]
10000 loops, best of 3: 180 µs per loop

import pandas as pd
df = pd.DataFrame(table)
%timeit df.sort_values(9, ascending=True)
1000 loops, best of 3: 400 µs per loop

したがって、argsortを使用したインデックス付けは、これまでで最も速い方法のようです...

NumPyメーリングリストから、別の解決策を次に示します。

>>> a
array([[1, 2],
       [0, 0],
       [1, 0],
       [0, 2],
       [2, 1],
       [1, 0],
       [1, 0],
       [0, 0],
       [1, 0],
      [2, 2]])
>>> a[np.lexsort(np.fliplr(a).T)]
array([[0, 0],
       [0, 0],
       [0, 2],
       [1, 0],
       [1, 0],
       [1, 0],
       [1, 0],
       [1, 2],
       [2, 1],
       [2, 2]])

同様の問題がありました。

私の問題：

SVDを計算し、固有値を降順に並べ替える必要があります。しかし、固有値と固有ベクトルの間のマッピングを維持したいと思います。私の固有値は最初の行にあり、その下の対応する固有ベクトルは同じ列にありました。

したがって、2次元配列を最初の行で列ごとに降順に並べ替えたいと思います。

私の解決策

a = a[::, a[0,].argsort()[::-1]]

これはどのように機能するのでしょうか？

a[0,] ソートしたい最初の行です。

次に、argsortを使用してインデックスの順序を取得します。

[::-1]降順が必要なので使用します。

最後にa[::, ...]、列を正しい順序で表示するために使用します。

もう少し複雑なlexsort例-1番目の列で降順、2番目の列で2番目に昇順。のトリックlexsortは、それが行（したがって.T）でソートされ、最後を優先することです。

In [120]: b=np.array([[1,2,1],[3,1,2],[1,1,3],[2,3,4],[3,2,5],[2,1,6]])
In [121]: b
Out[121]: 
array([[1, 2, 1],
       [3, 1, 2],
       [1, 1, 3],
       [2, 3, 4],
       [3, 2, 5],
       [2, 1, 6]])
In [122]: b[np.lexsort(([1,-1]*b[:,[1,0]]).T)]
Out[122]: 
array([[3, 1, 2],
       [3, 2, 5],
       [2, 1, 6],
       [2, 3, 4],
       [1, 1, 3],
       [1, 2, 1]])

これは、すべての列を考慮した別の解決策です（JJの回答のよりコンパクトな方法）。

ar=np.array([[0, 0, 0, 1],
             [1, 0, 1, 0],
             [0, 1, 0, 0],
             [1, 0, 0, 1],
             [0, 0, 1, 0],
             [1, 1, 0, 0]])

lexsortで並べ替え、

ar[np.lexsort(([ar[:, i] for i in range(ar.shape[1]-1, -1, -1)]))]

出力：

array([[0, 0, 0, 1],
       [0, 0, 1, 0],
       [0, 1, 0, 0],
       [1, 0, 0, 1],
       [1, 0, 1, 0],
       [1, 1, 0, 0]])

単に並べ替えを使用して、並べ替えに使用する列番号を使用します。

a = np.array([1,1], [1,-1], [-1,1], [-1,-1]])
print (a)
a=a.tolist() 
a = np.array(sorted(a, key=lambda a_entry: a_entry[0]))
print (a)

それは古い質問ですが、これを2次元よりも高い配列に一般化する必要がある場合は、簡単に一般化できる解決策を次に示します。

np.einsum('ij->ij', a[a[:,1].argsort(),:])

これは2次元にとってはやり過ぎであり、a[a[:,1].argsort()]@ steveの回答ごとに十分ですが、その回答をより高い次元に一般化することはできません。この質問で3D配列の例を見つけることができます。

出力：

[[7 0 5]
 [9 2 3]
 [4 5 6]]