numpy 1.6.1 argsort（）奇怪的行爲？

Question

我有一個陣列data它有形狀(N,6)。我被最終列排序此陣列，使得：

sortx = numpy.argsort(data[:,-1])[::-1] 
sortedData = data[ sortx, : ] 

其中[::-1]用於從高向低的列進行排序，而不是低到高，並且數據是float64。我那麼這個排序數組保存到一個文件.npy如下：

numpy.save('file.npy', sortedData) 

然而，當我再次加載陣列回來和檢查數據的排序，它不會出現在訂購！這只是一些行，並不是所有這些都很奇怪。

data_again = numpy.load('file.npy') 
order = numpy.argsort(data_again[:,-1])[::-1] 
r = numpy.arange(len(data_again)) 

如果你比較r和order與numpy.sum(order == r)，你看，這不等於N.在2％左右沒有以相同的順序！

首先，我是否正確理解上述代碼？其次，任何人都可以重現這一點嗎？我在Linux上使用Python 2.7.2，numpy 1.6.1。

更新：甚至在第一次排序和保存之前甚至會發生此行爲。所以這與排序本身有關。排序列中有重複的值。

Answer 1

我可以重現症狀，如果最後一列已經重複值：

import numpy as np 
np.random.seed(0) 
data = np.random.random((8,2)) 
data[::2,-1] = data[1::2,-1] 
print(data) 
# [[ 0.5488135 0.54488318] 
# [ 0.60276338 0.54488318] 
# [ 0.4236548 0.891773 ] 
# [ 0.43758721 0.891773 ] 
# [ 0.96366276 0.52889492] 
# [ 0.79172504 0.52889492] 
# [ 0.56804456 0.0871293 ] 
# [ 0.07103606 0.0871293 ]] 
sortx = np.argsort(data[:,-1])[::-1] 
sorted_data = data[ sortx, : ] 

order = np.argsort(sorted_data[:,-1])[::-1] 
r = np.arange(len(sorted_data)) 
print(order) 
# [1 0 3 2 5 4 7 6] 
print(r) 
# [0 1 2 3 4 5 6 7] 
print(np.allclose(order, r)) 
# False 

---

np.argsort默認使用快速排序。 Quicksort不穩定，因此綁定行的順序不一定與原始數據的順序相同。

然而，即使你使用一個穩定的排序如mergesort，當你反向結果np.argsort，對於那些綁行，則更高指數是第一位的。

因此，當您第二次撥打np.argsort時，您不會收到order等於r。

你可以通過排序的最後一列，並使用np.arange(len(data),0,-1)作爲決勝產生順序：

sortx = np.lexsort((np.arange(len(data),0,-1), data[:,-1]))[::-1] 
sorted_data = data[ sortx, : ] 

order = np.lexsort((np.arange(len(data),0,-1), sorted_data[:,-1]))[::-1] 
r = np.arange(len(sorted_data)) 
print(order) 
# [0 1 2 3 4 5 6 7] 
print(r) 
# [0 1 2 3 4 5 6 7] 
print(np.allclose(order, r)) 
# True 

使用np.arange(len(data),0,-1)地方較高的指數第一（用於綁行），這樣，當你尊指數，較低的指數是第一位的。