Numpy argsort - que fait-il ?

Question

Pourquoi numpy donne-t-il ce résultat :

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

>[2 3 1 0]

alors que je m'attendais à ce qu'il le fasse :

[3 2 0 1]

Il est clair que ma compréhension de la fonction est insuffisante.

Answer 1

Pour ceux qui se demandent "pourquoi argsort", ma réponse est "utiliser un tableau pour en trier un autre" :

In [49]: a = np.array(list('asdf'))

In [50]: b = [3,2,0,1]

In [51]: np.argsort(b)
Out[51]: array([2, 3, 1, 0])

In [52]: a[np.argsort(b)]
Out[52]: array(['d', 'f', 's', 'a'], dtype='<U1')

C'est idéal pour les données en colonnes, par exemple une colonne de noms et une colonne de salaires, et vous voulez voir les noms des N personnes les mieux payées.

Answer 2

D'abord, on a commandé le tableau. Ensuite, on génère un tableau avec l'indice initial du tableau.

Answer 3

Je veux juste comparer directement la compréhension originale du PO avec la mise en œuvre réelle du code.

numpy.argsort est défini de telle sorte que pour les tableaux 1D :

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

L'OP pensait à l'origine qu'il était défini de telle sorte que pour les tableaux 1D :

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

Nota: Ce code ne fonctionne pas dans le cas général (il ne fonctionne que pour 1D), cette réponse est purement illustrative.

Answer 4

Np.argsort retourne l'index du tableau trié donné par le 'kind' (qui spécifie le type d'algorithme de tri). Cependant, lorsqu'une liste est utilisée avec np.argmax, elle renvoie l'indice du plus grand élément de la liste. Alors que, np.sort, trie le tableau donné, list.

Answer 5

Il retourne les indices en fonction des indices du tableau donné, [1.48,1.41,0.0,0.1] ,cela veut dire : 0.0 est le premier élément, en indice [2]. 0.1 est le deuxième élément, en indice [3]. 1.41 est le troisième élément, en indice [1]. 1.48 est le quatrième élément, dans l'index [0]. Sortie :

[2,3,1,0]