Numpy argsort - 它在做什么？

Question

为什么numpy的给这个结果：

x = numpy.array([1.48,1.41,0.0,0.1]) 
print x.argsort() 

>[2 3 1 0] 

时，我希望它这样做：

[3 2 0 1]

显然我对功能的认识是缺乏。

Answer 1

根据the documentation

返回对数组排序的索引。

• 2是0.0索引。
• 3是0.1的索引。
• 1是1.41索引。
• 0是1.48索引。

Answer 2

[2, 3, 1, 0]指出最小的元素的索引为2，下一个最小的指数3，那么指数1，那么指数为0。

有a number of ways得到的结果您正在寻找：

import numpy as np 
import scipy.stats as stats 

def using_indexed_assignment(x): 
    "https://stackoverflow.com/a/5284703/190597 (Sven Marnach)" 
    result = np.empty(len(x), dtype=int) 
    temp = x.argsort() 
    result[temp] = np.arange(len(x)) 
    return result 

def using_rankdata(x): 
    return stats.rankdata(x)-1 

def using_argsort_twice(x): 
    "https://stackoverflow.com/a/6266510/190597 (k.rooijers)" 
    return np.argsort(np.argsort(x)) 

def using_digitize(x): 
    unique_vals, index = np.unique(x, return_inverse=True) 
    return np.digitize(x, bins=unique_vals) - 1 

---

例如，

In [72]: x = np.array([1.48,1.41,0.0,0.1]) 

In [73]: using_indexed_assignment(x) 
Out[73]: array([3, 2, 0, 1]) 

---

这将检查它们都产生相同的结果：

x = np.random.random(10**5) 
expected = using_indexed_assignment(x) 
for func in (using_argsort_twice, using_digitize, using_rankdata): 
    assert np.allclose(expected, func(x)) 

这些IPython的%timeit基准提出了大型阵列using_indexed_assignment是最快：

In [50]: x = np.random.random(10**5) 
In [66]: %timeit using_indexed_assignment(x) 
100 loops, best of 3: 9.32 ms per loop 

In [70]: %timeit using_rankdata(x) 
100 loops, best of 3: 10.6 ms per loop 

In [56]: %timeit using_argsort_twice(x) 
100 loops, best of 3: 16.2 ms per loop 

In [59]: %timeit using_digitize(x) 
10 loops, best of 3: 27 ms per loop 

对于小阵列，using_argsort_twice可能更快：

In [78]: x = np.random.random(10**2) 

In [81]: %timeit using_argsort_twice(x) 
100000 loops, best of 3: 3.45 µs per loop 

In [79]: %timeit using_indexed_assignment(x) 
100000 loops, best of 3: 4.78 µs per loop 

In [80]: %timeit using_rankdata(x) 
100000 loops, best of 3: 19 µs per loop 

In [82]: %timeit using_digitize(x) 
10000 loops, best of 3: 26.2 µs per loop 

---

还请注意，stats.rankdata可让您更好地控制如何处理同等价值的元素。

Answer 3

由于the documentation说，argsort：

返回对数组排序的索引。

这意味着argsort的第一个元素是应该先排序元素的索引，第二个因素是，应该是第二个元素的索引等

你似乎什么想要的是价值的等级顺序，这是由scipy.stats.rankdata提供的。请注意，如果队伍中存在关系，你需要考虑应该发生什么。

Answer 4

首先，它被下令阵列。然后用数组的初始索引生成一个数组。

Answer 5

只想直接对比OP的独到理解与对代码的实际执行。

numpy.argsort被限定为使得

x[x.argsort()] == numpy.sort(x) # this will be an array of True's 

的OP最初认为它被定义为使得

x == numpy.sort(x)[x.argsort()] # this will not be True 

Answer 6

输入：
进口numpy的作为NP
X = np.array（[ 1.48,1.41,0.0,0.1]）
x.argsort（）。argsort（）

输出：
阵列（[3,2，0,1]）