Numpy argsort-무엇을하고 있습니까?

numpy가이 결과를 제공하는 이유 :

x = numpy.array([1.48,1.41,0.0,0.1])
print x.argsort()

>[2 3 1 0]

내가 이것을 기대할 때 :

[3 2 0 1]

분명히 기능에 대한 이해가 부족합니다.

문서 에 따르면

배열을 정렬 할 인덱스를 반환합니다.

• 2의 색인입니다 0.0.
• 3의 색인입니다 0.1.
• 1의 색인입니다 1.41.
• 0의 색인입니다 1.48.

[2, 3, 1, 0] 가장 작은 요소가 인덱스 2, 인덱스 3, 인덱스 1, 인덱스 0에 있음을 나타냅니다.

가 있습니다 여러 가지 방법으로 당신이 찾고있는 결과를 얻기는 :

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

예를 들면

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])

이는 모두 동일한 결과를 생성하는지 확인합니다.

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))

이러한 IPython %timeit벤치 마크는 대규모 어레이 using_indexed_assignment에 대해 가장 빠르다고 제안합니다 .

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

작은 배열의 경우 using_argsort_twice 경우 더 빠를 수 있습니다.

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

또한 stats.rankdata동일한 값의 요소를 처리하는 방법을 더 잘 제어 할 수 있습니다.

로 설명서를 말한다argsort :

배열을 정렬 할 인덱스를 반환합니다.

즉, argsort의 첫 번째 요소는 먼저 정렬해야하는 요소의 색인이고 두 번째 요소는 두 번째 여야하는 요소의 색인 등입니다.

원하는 것은에서 제공하는 값의 순위 순서입니다 scipy.stats.rankdata. 계급에 동점이 있으면 어떻게해야하는지 생각해야합니다.

numpy.argsort (a, axis = -1, 종류 = 'quicksort', order = None)

배열을 정렬 할 인덱스를 반환합니다.

kind 키워드로 지정된 알고리즘을 사용하여 지정된 축을 따라 간접 정렬을 수행합니다. 지정된 축을 따라 정렬 된 순서로 인덱스 데이터와 동일한 모양의 인덱스 배열을 반환합니다.

다음과 같은 값 목록을 갖는 파이썬의 한 예를 고려하십시오.

listExample  = [0 , 2, 2456,  2000, 5000, 0, 1]

이제 우리는 argsort 함수를 사용합니다.

import numpy as np
list(np.argsort(listExample))

출력은

[0, 5, 6, 1, 3, 2, 4]

이것은 listExample에있는 값의 인덱스 목록입니다. 이러한 인덱스를 각 값에 매핑하면 다음과 같은 결과를 얻을 수 있습니다.

[0, 0, 1, 2, 2000, 2456, 5000]

(예를 들어 목록 / 배열을 정렬하고 싶지만 list.sort () 함수를 사용하고 싶지 않은 경우 (즉, 목록에서 실제 값의 순서를 변경하지 않고)이 함수를 사용할 수 있습니다. 함수.)

자세한 내용은 다음 링크를 참조하십시오. https://docs.scipy.org/doc/numpy-1.15.0/reference/generated/numpy.argsort.html

입력 :
import numpy as np
x = np.array ([1.48,1.41,0.0,0.1])
x.argsort (). argsort ()

출력 :
array ([3, 2, 0, 1])

먼저 어레이를 주문했습니다. 그런 다음 배열의 초기 인덱스를 사용하여 배열을 생성합니다.

np.argsort는 '종류'(정렬 알고리즘 유형 지정)로 지정된 정렬 배열의 색인을 리턴합니다. 그러나 목록이 np.argmax와 함께 사용되면 목록에서 가장 큰 요소의 인덱스를 반환합니다. np.sort는 주어진 배열, list를 정렬합니다.

OP의 원래 이해와 코드를 사용한 실제 구현을 직접 대조하고 싶습니다.

numpy.argsort 1D 배열의 경우 다음과 같이 정의됩니다.

x[x.argsort()] == numpy.sort(x) # this will be an array of True's

OP는 원래 1D 배열에 대해 다음과 같이 정의되었다고 생각했습니다.

x == numpy.sort(x)[x.argsort()] # this will not be True

참고 : 이 코드는 일반적인 경우에는 작동하지 않습니다 (1D에서만 작동 함).이 답변은 순전히 설명을위한 것입니다.

주어진 배열 인덱스에 따라 인덱스를 반환 [1.48,1.41,0.0,0.1]합니다. 즉 0.0, 인덱스 [2]의 첫 번째 요소입니다. 0.1index [3]의 두 번째 요소입니다. 1.41인덱스 [1]의 세 번째 요소입니다. 1.48index [0]의 네 번째 요소입니다. 산출:

[2,3,1,0]