为什么负数组不能反转 numpy.argsort()？答案

【问题标题】：Why doesn't a negative array work to reverse numpy.argsort()?为什么负数组不能反转 numpy.argsort()？
【发布时间】：2017-03-09 01:02:59
【问题描述】：

我有一个名为“子集”的二维 numpy 数组：

array([[  0.00000000e+00,   2.46951219e-03,   4.93902439e-03],
       [             inf,   4.04938272e+02,   2.02469136e+02],
       [  1.77635684e-14,   4.49872050e+01,   1.05094837e+01],
       [  4.33257766e-16,   1.09724890e+00,   2.56328871e-01],
       [  4.85082380e-32,   3.11123702e-01,   1.69792239e-02]])

我正在尝试按降序顺序按数组 2（第 3 个数组）排序。以下适用于升序顺序：

>>> subset[:,subset[2,:].argsort()]
array([[  0.00000000e+00,   4.93902439e-03,   2.46951219e-03],
       [             inf,   2.02469136e+02,   4.04938272e+02],
       [  1.77635684e-14,   1.05094837e+01,   4.49872050e+01],
       [  4.33257766e-16,   2.56328871e-01,   1.09724890e+00],
       [  4.85082380e-32,   1.69792239e-02,   3.11123702e-01]])

如您所见，第三个数组按升序排序，其他行以相同方式排序，保留预期的列。

但是当我尝试通过对负数组执行相同的操作来反转这种排序时（认为它应该产生先前结果的镜像），它并没有按预期工作。

>>> subset[:,-subset[2,:].argsort()]
array([[  0.00000000e+00,   2.46951219e-03,   4.93902439e-03],
       [             inf,   4.04938272e+02,   2.02469136e+02],
       [  1.77635684e-14,   4.49872050e+01,   1.05094837e+01],
       [  4.33257766e-16,   1.09724890e+00,   2.56328871e-01],
       [  4.85082380e-32,   3.11123702e-01,   1.69792239e-02]])

为什么这不起作用？

【问题讨论】：

运算符优先级？
-subset[2,:].argsort() 表示 -(subset[2,:].argsort()) 不是 (-subset[2,:]).argsort()

标签： arrays sorting numpy reverse

【解决方案1】：

它不起作用的原因当然是运算符优先级。一对括号，它会做你想做的事：

subset[:,(-subset[2,:]).argsort()]
# array([[  2.46951219e-03,   4.93902439e-03,   0.00000000e+00],
#        [  4.04938272e+02,   2.02469136e+02,              inf],
#        [  4.49872050e+01,   1.05094837e+01,   1.77635684e-14],
#        [  1.09724890e+00,   2.56328871e-01,   4.33257766e-16],
#        [  3.11123702e-01,   1.69792239e-02,   4.85082380e-32]])

但请注意，简单的反转通常更快：

timeit(lambda: subset[:,(-subset[2,:]).argsort()])
# 2.9420917620009277
timeit(lambda: subset[:,subset[2,:].argsort()[::-1]])
# 2.556215071992483

【讨论】：

太好了 - 感谢您的解释和提示。我会用那个 [::-1] 方法。
嘿，我可以请您回顾一下您提供了答案的相关问题吗？我试图找出哪种方法更可取，你的还是 kyjanond 的。任何洞察为什么一个比另一个更好？ stackoverflow.com/questions/42380283/…?
@joechoj 你的意思是那里给出的答案？我当然会选择其中一种 numpy 解决方案。我和其他解决方案之间的主要区别是。我的将您的列表放在列中，另一个放在行中。在我的解决方案中，最高振幅排在第一位，而在另一个解决方案中它排在最后。除此之外，我会说，它们或多或少是相同的。