Эффективная сортировка массива numpy в порядке убывания?

Question

Эффективная сортировка массива numpy в порядке убывания?

Я удивлен, что этот конкретный вопрос не был задан раньше, но я действительно не нашел его ни на SO, ни на документации np.sort.

скажем, у меня есть случайный массив numpy, содержащий целые числа, например:

> temp = np.random.randint(1,10, 10)    

> temp

array([2, 4, 7, 4, 2, 2, 7, 6, 4, 4])

если я сортирую его, я получаю порядок возрастания по умолчанию:

> np.sort(temp)

array([2, 2, 2, 4, 4, 4, 4, 6, 7, 7])

но я хочу, чтобы решение было отсортировано в спуск порядок.

теперь я знаю, что всегда могу сделать:

reverse_order = np.sort(temp)[::-1]

но это последнее заявление эффективное? Разве он не создает копию в порядке возрастания, а затем отменяет эту копию, чтобы получить результат в обратном порядке? Если это действительно так, есть ли эффективная альтернатива? Это не похоже на np.sort принимает параметры для изменения знака сравнения в операции сортировки, чтобы получить вещи в обратном порядке.

832 4

python numpy arrays sorting

4 ответов:

Comments

Ничего не найдено.

Padraic Cunningham · Accepted Answer · 2018-09-27 02:12:01

temp[::-1].sort() сортирует массив на месте, тогда как np.sort(temp)[::-1] создает новый массив.
In [25]: temp = np.random.randint(1,10, 10)

In [26]: temp
Out[26]: array([5, 2, 7, 4, 4, 2, 8, 6, 4, 4])

In [27]: id(temp)
Out[27]: 139962713524944

In [28]: temp[::-1].sort()

In [29]: temp
Out[29]: array([8, 7, 6, 5, 4, 4, 4, 4, 2, 2])

In [30]: id(temp)
Out[30]: 139962713524944

Mike O'Connor · Accepted Answer · 2017-08-25 11:10:37

>>> a=np.array([5, 2, 7, 4, 4, 2, 8, 6, 4, 4])

>>> np.sort(a)
array([2, 2, 4, 4, 4, 4, 5, 6, 7, 8])

>>> -np.sort(-a)
array([8, 7, 6, 5, 4, 4, 4, 4, 2, 2])

Kasrâmvd · Accepted Answer · 2016-11-29 23:08:51

для коротких массивов я предлагаю использовать np.argsort() находя индексы отсортированного отрицательного массива, что немного быстрее, чем обращение отсортированного массива:
In [37]: temp = np.random.randint(1,10, 10)

In [38]: %timeit np.sort(temp)[::-1]
100000 loops, best of 3: 4.65 µs per loop

In [39]: %timeit temp[np.argsort(-temp)]
100000 loops, best of 3: 3.91 µs per loop

anishtain4 · Accepted Answer · 2017-07-26 19:13:32

к сожалению, когда у вас есть сложный набор, только np.sort(temp)[::-1] работает правильно. Два других метода, упомянутых здесь, не являются эффективными.