Je cherche une solution en une seule ligne qui pourrait m'aider à faire ce qui suit.
Supposons que j'ai
array = np.array([10, 20, 30, 40, 50])
Je voudrais réorganiser sur la base d'une commande d'entrée. S'il existait une fonction numpy appelée arrange
, elle ferait ce qui suit:
newarray = np.arrange(array, [1, 0, 3, 4, 2])
print newarray
[20, 10, 40, 50, 30]
Formellement, si le tableau à réorganiser est m x n et si le tableau "index" est 1 x n, l'ordre sera déterminé par le tableau appelé "index".
Est-ce que numpy a une fonction comme celle-ci?
Vous pouvez simplement utiliser votre liste "index" directement, comme un tableau d'index:
>>> arr = np.array([10, 20, 30, 40, 50])
>>> idx = [1, 0, 3, 4, 2]
>>> arr[idx]
array([20, 10, 40, 50, 30])
Cela a tendance à être beaucoup plus rapide si idx
est déjà une ndarray
et non une list
, même si cela fonctionnera dans les deux sens:
>>> %timeit arr[idx]
100000 loops, best of 3: 2.11 µs per loop
>>> ai = np.array(idx)
>>> %timeit arr[ai]
1000000 loops, best of 3: 296 ns per loop
pour ceux dont l'index est 2d array, vous pouvez utiliser la fonction map . Voici un exemple:
a = np.random.randn(3, 3)
print(a)
print(np.argsort(a))
print(np.array(list(map(lambda x, y: y[x], np.argsort(a), a))))
la sortie est
[[-1.42167035 0.62520498 2.02054623]
[-0.17966393 -0.01561566 0.24480554]
[ 1.10568543 0.00298402 -0.71397599]]
[[0 1 2]
[0 1 2]
[2 1 0]]
[[-1.42167035 0.62520498 2.02054623]
[-0.17966393 -0.01561566 0.24480554]
[-0.71397599 0.00298402 1.10568543]]