排序numpy的结构和记录阵列很慢

Question

它看起来像由一个单一列排序numpy的结构和记录阵列比类似的独立阵列上做一个排序慢得多：

In [111]: a = np.random.rand(1e4) 

In [112]: b = np.random.rand(1e4) 

In [113]: rec = np.rec.fromarrays([a,b]) 

In [114]: timeit rec.argsort(order='f0') 
100 loops, best of 3: 18.8 ms per loop 

In [115]: timeit a.argsort() 
1000 loops, best of 3: 891 µs per loop 

有一个边际改善使用结构化阵列，但它不是戏剧性：

In [120]: struct = np.empty(len(a),dtype=[('a','f8'),('b','f8')]) 

In [121]: struct['a'] = a 

In [122]: struct['b'] = b 

In [124]: timeit struct.argsort(order='a') 
100 loops, best of 3: 15.8 ms per loop 

这表明，它是潜在更快地创建从argsort索引阵列，然后使用该重新排序的单独的阵列。除了我希望处理非常大的数组并希望尽可能避免复制数据外，这是行得通的。有没有更有效的方法来做到这一点，我错过了？

Answer 1

由于海梅有说过，你可以用argsort来排序记录数组。

inds = np.argsort(rec['f0']) 

并使用take避免制作副本

np.take(rec, inds, out=rec) 

Answer 2

什么是减慢你使用order，而不是你有一个记录阵列的事实。如果你想通过一个单一的字段进行排序，像这样做：

In [12]: %timeit np.argsort(rec['f0']) 
1000 loops, best of 3: 829 us per loop 

一旦order使用，性能南下无论你想有多少个字段进行排序：

In [16]: %timeit np.argsort(rec, order=['f0']) 
10 loops, best of 3: 27.9 ms per loop 

In [17]: %timeit np.argsort(rec, order=['f0', 'f1']) 
10 loops, best of 3: 28.4 ms per loop