numpy中argsort 函数的详解

argsort函数经常用于矩阵的一些不破坏原有数组的情况下得到原数组的有序序列的情况。

官网解释

使用 kind 关键字指定的算法沿给定轴执行间接排序。它以排序的顺序返回与给定轴上的索引数据具有相同形状的索引数组。
axisint 或 None，可选
排序的轴。默认值为 -1（最后一个轴）。如果没有，则使用扁平数组。

kind:{‘快速排序’、‘合并排序’、‘堆排序’、‘稳定’}，排序算法。默认值为“快速排序”。请注意，“stable”与“mergesort”都在幕后使用 timsort，通常，实际实现会因数据类型而异。保留“合并排序”选项是为了向后兼容。

在 1.15.0 版更改。：添加了“稳定”选项。

orderstr 或 str 列表，可选
当 a 是一个定义了字段的数组时，这个参数指定要比较哪些字段，第一个，第二个等等。 单个字段可以指定为字符串，不是所有的字段都需要指定，但仍然会使用未指定的字段，在它们出现在 dtype 中的顺序，以打破联系。

详解

实际上就是返回了一个升序的序列，里面每一个元素都是排序好后的元素在原序列中的索引。这样方便我们在原序列中找到每一个元素。这一句话可能不是很好理解我们结合一定的例子来看一下：

>>> import numpy as np
>>> a = np.random.randint(0, 9, 4)
>>> a
array([8, 1, 5, 6])
>>> a.argsort()
array([1, 2, 3, 0], dtype=int64)

如以上来看，原序列为[8, 1, 5, 6], 我们其使用argsort函数之后得到序列[1, 2, 3, 0], 那么我们直接使用a[1]就是a中最小的元素，a[0]就是a中最大的元素。
我们可以多看几个类似的例子, 这里可以看一下二维数组:

>>> b = np.random.randint(0, 9, 9).reshape(3, 3)
>>> b
array([[4, 6, 7],
       [1, 5, 6],
       [6, 8, 1]])
>>> b.argsort()
array([[0, 1, 2],
       [0, 1, 2],
       [2, 0, 1]], dtype=int64)
>>> b.argsort(axis=1)
array([[0, 1, 2],
       [0, 1, 2],
       [2, 0, 1]], dtype=int64)
>>> b.argsort(axis=0)
array([[1, 1, 2],
       [0, 0, 1],
       [2, 2, 0]], dtype=int64)

从以上可以看出，实际上如果是二维数组的话，不仅仅有这这么一种排序的方法，不仅可以按照行来排，也可以按照列来排序。这里仍然是通过axis轴来确定的排序方式，函数默认axis=-1，这里我在之前博客有提到过，读者如果对于axis函数比较陌生的话可以看一下我之前的一篇博客这里详细解释了axis的有关理解。
以下再给出官网几个例子：

ind = np.argsort(x, axis=0)  # sorts along first axis (down)
ind
array([[0, 1],
       [1, 0]])
np.take_along_axis(x, ind, axis=0)  # same as np.sort(x, axis=0)
array([[0, 2],
       [2, 3]])

以及不常用的根据关键字：

x = np.array([(1, 0), (0, 1)], dtype=[('x', '<i4'), ('y', '<i4')])
x
array([(1, 0), (0, 1)],
      dtype=[('x', '<i4'), ('y', '<i4')])

大家如果有兴趣可以去官网看一下。

参考文献

https://numpy.org/doc/stable/reference/generated/numpy.argsort.html

https://blog.csdn.net/LRY89757/article/details/118570303?spm=1001.2014.3001.5501

以上。