Binning 然后在每个 bin 中对数组进行排序，但将它们的索引保持在一起

Question

我有两个数组，这些数组的索引是相关的。所以 x[0] 与 y[0] 相关，所以它们需要保持井井有条。我已将 x 数组分箱到两个箱中，如下面的代码所示。

x = [1,4,7,0,5]
y = [.1,.7,.6,.8,.3]

binx = [0,4,9]
index = np.digitize(x,binx)

给我以下内容：

In [1]: index
Out[1]: array([1, 2, 2, 1, 2])

到目前为止一切顺利。 （我认为）

y 数组是一个参数，告诉我 x 数据点的测量结果有多好，因此 0.9 比 0.2 好，所以我使用下一个代码来整理出最好的 y 数组：

y.sort() 
ysorted = y[int(len(y) * .5):]

这给了我：

In [2]: ysorted
Out[2]: [0.6, 0.7, 0.8]

给我数组的最后 50%。再说一次，这就是我想要的。

我的问题是如何结合这两个操作？从每个 bin 中，我需要得到最好的 50% 并将这些新值放入一个新的 x 和新的 y 数组中。同样，保持每个数组的索引井井有条。或者有没有更简单的方法来做到这一点？我希望这是有道理的。

Answer 1

许多numpy 函数具有arg... 变体，它们不是“按值”操作，而是“按索引”操作。在你的情况下，argsort 做你想做的事：

order = np.argsort(y)
# order is an array of indices such that
# y[order] is sorted
top50 = order[len(order) // 2 :]
top50x = x[top50]
# now top50x are the x corresponding 1-to-1 to the 50% best y

Answer 2

你应该从你的 x 和 y 列表中创建一个对的列表

可以通过zip功能实现：

x = [1,4,7,0,5]
y = [.1,.7,.6,.8,.3]
values = zip(x, y)
values
[(1, 0.1), (4, 0.7), (7, 0.6), (0, 0.8), (5, 0.3)]

要按每对的特定元素对这样的对列表进行排序，您可以使用排序的关键参数：

values.sort(key=lambda pair: pair[1])
[(1, 0.1), (5, 0.3), (7, 0.6), (4, 0.7), (0, 0.8)]

然后你可以用这个排序的对列表做任何你想做的事情。