Numpy 如何让 argsort 两个相等的值排序

一、场景

       遇到多个数组排序后存在相同元素的情况，如何让这些相同元素在排序结果中更加随机地分布，如何稳定排序，是一个不容易解决的问题，

二、numpy.argsort

       在NumPy中，numpy.argsort函数用于返回输入数组中元素排序后的索引数组，而不是直接对元素进行排序，在不改变原数组的基础上，实现了灵活的数据排序与索引操作。与numpy.sort直接返回排序后数组不同，argsort更加适用于需要原地排序或者基于排序进行其他操作的场景。

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

"""参数详解
a：待排序的数组。
axis（可选）：沿着哪个轴进行排序，默认为-1，即最后一个轴。对于一维数组，此参数无效。
kind（可选）：排序算法的类型，默认为’quicksort’。还可以选择’mergesort’、'heapsort’等，
             不同算法在效率和稳定性上有差异。
order（可选）：当数组是结构化数组或记录数组时，可以按照字段名进行排序。
"""


import numpy as np

# 创建包含相同元素的数组
arr = np.array([3, 1, 2, 1, 3, 2, 3, 1, 1])
# 对数组进行排序并打印结果
sorted_indices = np.argsort(arr)
print("排序前的数组：", arr)
print("排序后的下标数组：", sorted_indices)
"""
排序前的数组： [3 1 2 1 3 2 3 1 1]
排序后的下标数组： [1 3 7 8 2 5 0 4 6]
"""

x=np.array([2,6,3,8,9,-1])
#直接使用的两种形式
y=x.argsort()
z=np.argsort(x)

三、随机排序 

        一种解决方法是通过对排序后的下标数组进行迭代，找到相同元素以及它们的下标，然后将它们随机排列。

# 定义一个辅助函数，用于得到相同值的下标进行随机化处理
def randomize_same_value_indices(sorted_indices):
    sorted_values = arr[sorted_indices]
    indices_groups = np.split(sorted_indices, np.cumsum(np.unique(sorted_values, return_counts=True)[1])[:-1])
    for group in indices_groups:
        if group.size > 1:
            np.random.shuffle(group)
    return np.concatenate(indices_groups)

# 对数组进行排序并随机处理相同元素
sorted_indices = randomize_same_value_indices(np.argsort(arr))
print("排序前的数组：", arr)
print("排序后的下标数组：", sorted_indices)
"""
排序前的数组： [3 1 2 1 3 2 3 1 1]
排序后的下标数组： [8 3 7 1 2 5 4 6 0]
"""

四、稳定排序

• 逆序排序：要得到降序排列的索引，可以简单地对升序索引进行反向排序，即[::-1]操作。
• 稳定性：对于需要稳定排序的应用场景（即相同元素的相对位置不变），可以选择’mergesort’算法。
• 性能考量：虽然快速排序(quicksort)通常较快，但在数组元素分布极不均匀时，mergesort或heapsort可能是更好的选择。

import numpy as np

# 创建包含相同元素的数组
arr = np.array([3, 1, 2, 1, 3, 2, 3, 1, 1])

# 对数组进行排序并打印结果
sorted_indices = np.argsort(arr, kind='mergesort')
sorted_indices2 = np.argsort(-arr, kind='mergesort')
print("排序前的数组：", arr)
print("排序后的下标数组：", sorted_indices)

"""
排序前的数组： [3 1 2 1 3 2 3 1 1]
排序后的下标数组： [1 3 7 8 2 5 0 4 6]
"""

 

 五、多维数组排序

import numpy as np
 
arr = np.array([[5, 2, 3],
[4, 1, 6],
[7, 8, 9]])
#索引数组
ndx = np.argsort(arr,axis=1)
#排序后的数组
sorted_arr = np.take_along_axis(arr, ndx, axis=1)#axis=1是按行排序，axis=0是按列排序
 
#打印
print(ndx)
print(sorted_arr)

六、结构化数组排序

import numpy as np
 
dt = np.dtype([('name', 'S10'), ('age', int)])
data = np.array([('Alice', 24), ('Bob', 19), ('Charlie', 33)],
               dtype=dt)
# 按'age'字段排序
age_indices = np.argsort(data, order='age')
print(age_indices)