设两个 ndarray:A
形状为 (n, *m)
和 B
形状为 (n, )
。有没有办法使用对 B
进行排序的顺序来就地对 A
进行排序?
使用 np.argsort
对 A
和 B
进行排序很容易,但这不是就地完成的:
A = A[np.argsort(B)]
评论:
A
和B
具有不同的数据类型,并且A
可以具有两个以上的维度。因此,它们不能堆叠起来使用ndarray.sort()
。A
占用大量空间,这就是为什么需要就地排序。因此,任何需要两倍于A
占用空间的解决方案都将无法实现这一目的。- 此问题的标题“Re-arranging numpy array in place ” 听起来可能相关,但问题本身不是很清楚,而且答案与我的问题不符。
最佳答案
这是一个通过索引数组中的循环来工作的解决方案。它可以选择使用 pythran 进行编译,如果行较小(10 个元素为 80 倍),则可显着加速;如果行较大(1000 个元素为 30%),则可小幅加速。
为了保持 pythran 兼容,我必须稍微简化它,因此它只接受 2D 数组,并且只沿轴 0 排序。
代码:
import numpy as np
#pythran export take_inplace(float[:, :] or int[:, :], int[:])
def take_inplace(a, idx):
n, m = a.shape
been_there = np.zeros(n, bool)
keep = np.empty(m, a.dtype)
for i in range(n):
if been_there[i]:
continue
keep[:] = a[i]
been_there[i] = True
j = i
k = idx[i]
while not been_there[k]:
a[j] = a[k]
been_there[k] = True
j = k
k = idx[k]
a[j] = keep
使用编译版本运行示例。如上所述,仅小行需要编译,对于较大的行,纯 python 应该足够快。
>>> from timeit import timeit
>>> import numpy as np
>>> import take_inplace
>>>
>>> a = np.random.random((1000, 10))
>>> idx = a[:, 4].argsort()
>>>
>>> take_inplace.take_inplace(a, idx)
>>>
# correct
>>> np.all(np.arange(1000) == a[:, 4].argsort())
True
>>>
# speed
>>> timeit(lambda: take_inplace.take_inplace(a, idx), number=1000)
0.011950935004279017
>>>
# for comparison
>>> timeit(lambda: a[idx], number=1000)
0.02985276997787878
关于python - 使用第二个数组中的顺序对 numpy 数组进行就地排序,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/52916441/