Numpy-Array Sortieren

[smith0815]

Hi

Kann ich ein Numpy-Array

Code: Alles auswählen

[['Mayer', 'Frank', 'Berlin'],
 ['Bayer', 'Peter, 'Frankfurt'],
 ['Geyer', 'Rita', 'Jülich']]

nur nach einer Spalte, so dass aber die Verbindung in der Zeile erhalten bleibt

Code: Alles auswählen

[['Bayer', 'Peter, 'Frankfurt'],
 ['Geyer', 'Rita', 'Jülich'],
 ['Mayer', 'Frank', 'Berlin']]

[CM]

Schon mal gedacht selbst in den Docs zu suchen?

[smith0815]

na klar
aber ich sehe nur Sortierungen des kompletten Arrays, oder habe ich etwas übersehen?

[deets]

"axis along which to sort" zB? Ist doch sogar nen Beispiel dabei.

[smith0815]

Es geht mir aber nicht darum entlang einer Achse zu sortieren, sondern entlang einer Spalte, also

Code: Alles auswählen

[['Mayer', 'Frank', 'Berlin'],
['Bayer', 'Peter, 'Frankfurt'],
['Geyer', 'Rita', 'Jülich']]

nach Spalte 0

Code: Alles auswählen

[['Bayer', 'Peter, 'Frankfurt'],
['Geyer', 'Rita', 'Jülich'],
['Mayer', 'Frank', 'Berlin']]

nach Spalte 3

Code: Alles auswählen

[['Mayer', 'Frank', 'Berlin'],
['Bayer', 'Peter, 'Frankfurt'],
['Geyer', 'Rita', 'Jülich']]

[BlackJack]

@smith0815: Wäre `argsort()` auf der Spalte und das Ergebnis dann als Index auf dem gesamten Array verwenden eine Lösung?

Edit:

Code: Alles auswählen

In [43]: a
Out[43]: 
array([['Mayer', 'Frank', 'Berlin'],
       ['Bayer', 'Peter', 'Frankfurt'],
       ['Geyer', 'Rita', 'J\xc3\xbclich']], 
      dtype='|S9')

In [44]: a[np.argsort(a[:,0])]
Out[44]: 
array([['Bayer', 'Peter', 'Frankfurt'],
       ['Geyer', 'Rita', 'J\xc3\xbclich'],
       ['Mayer', 'Frank', 'Berlin']], 
      dtype='|S9')

In [45]: a[np.argsort(a[:,2])]
Out[45]: 
array([['Mayer', 'Frank', 'Berlin'],
       ['Bayer', 'Peter', 'Frankfurt'],
       ['Geyer', 'Rita', 'J\xc3\xbclich']], 
      dtype='|S9')

[CM]

Also, mein Verweis auf np.sort kommt eher daher, daß ich nicht davon ausgegangen bin die Spalten numerisch anzusprechen, wo es doch eher um ein structured array geht. In dem Fall geht nämlich - analog zum verlinkten Beispiel:

Code: Alles auswählen

In [46]: a
Out[46]: 
array([('Mayer', 'Frank', 'Berlin'), ('Bayer', 'Peter', 'Frankfurt'),
       ('Geyer', 'Rita', 'J\xc3\xbclich')], 
      dtype=[('name', '|S9'), ('first', '|S9'), ('city', '|S9')])

In [47]: np.sort(a, order = 'city')
Out[47]: 
array([('Mayer', 'Frank', 'Berlin'), ('Bayer', 'Peter', 'Frankfurt'),
       ('Geyer', 'Rita', 'J\xc3\xbclich')], 
      dtype=[('name', '|S9'), ('first', '|S9'), ('city', '|S9')])

Aber da ist natürlich nicht nur ein syntaktischer, sondern vor allem ein semantischer Unterschied. Die Frage ist halt, wie Du, smith0815, am liebsten Deine Daten auffassen willst.

HTH
Christian

PS Die Typen habe ich jetzt einfach mal so gesetzt, in der Realität sollte man für wirklich effizientes Sortieren etwas mehr Feintuning betreiben und fürs Lesen aus Files ist u. U. PyTables zu empfehlen.

PPS Mehr zu Structured Arrays gibt es hier (auch auf den Fuß der Seiten achten, wegen des Links zu RecArrays).

[smith0815]

Das mit dem Index war eine gute Idee und genau was ich suchte
Danke.