为什么numpy会给出这样的结果:
x = numpy.array([1.48,1.41,0.0,0.1])
print x.argsort()
>[2 3 1 0]
当我期望它这样做的时候:
3 2 0 1
显然,我对这个函数的理解还很欠缺。
发布于 2013-07-28 02:48:08
发布于 2013-07-28 02:47:53
[2, 3, 1, 0]
表示最小的元素位于索引2处,其次是索引3处的最小元素,然后是索引1,最后是索引0。
有几个a number of ways可以得到你想要的结果:
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])
这将检查它们是否都产生相同的结果:
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 %timeit
基准测试表明,对于大型阵列,using_indexed_assignment
是最快的:
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
对于小型阵列,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
还要注意,stats.rankdata
让您可以更好地控制如何处理等值的元素。
发布于 2013-07-28 02:48:07
正如the documentation所说,argsort
返回对数组进行排序的索引。
这意味着argsort的第一个元素是应该首先排序的元素的索引,第二个元素是应该排在第二位的元素的索引,依此类推。
您似乎想要的是值的排名顺序,这是由scipy.stats.rankdata
提供的。请注意,您需要考虑如果队伍中存在平局会发生什么。
https://stackoverflow.com/questions/17901218
复制相似问题