这个问题与this one密切相关.可以说可以使用np.lexsort或在np.recarray上排序来解决它,但不能以琐碎和Python的方式解决.

我有一个numpy数组,例如这个数组：

array([[[  2,  7,  1],
        [ 35,  9,  1],
        [ 22, 12,  4]],

       [[ 12,  2,  3],
        [  3,  7,  8],
        [ 12,  1, 10]]])

我想把那个作为输出：

array([[[  2,  7,  1],
        [ 22, 12,  4],
        [ 35,  9,  1]],

       [[  3,  7,  8],
        [ 12,  1, 10],
        [ 12,  2,  3]]])

也就是说,根据每个内部数组的第一,第二和第三值对它们进行排序.请注意,我不想按列排序(没有类似表格的排序方式).这是不需要的：

array([[[  2,  7,  1],
        [ 22,  9,  1],
        [ 35, 12,  4]],

       [[  3,  1,  3],
        [ 12,  2,  8],
        [ 12,  7, 10]]])

换句话说,我想要的是np.sort_complex,但对于高维复杂类类型.

对我来说,更明智的方法是从我的3D数组创建np.recarray.问题是我不知道如何廉价地做到这一点.您将如何快速转换此处显示的数组之一：

array([[(  2,  7,  1),
        ( 35,  9,  1),
        ( 22, 12,  4)],

       [( 12,  2,  3),
        (  3,  7,  8),
        ( 12,  1, 10)]], dtype=???)

具有正确的dtype([[(“ c1”,“ f8”),(“ c2”,“ f8”),(“ c3”,“ f8”)]-),但考虑到较高的尺寸)？

np.lexarray在高维数组中的行为非常奇怪,我无法使其正常工作.

np.argsort也不是答案,因为它不能以稳定的方式排序(没有“ draw”总是第一个,第二个和第三个).

我想出了一个纯Python的“解决方案”,它很慢,还有其他想法吗？

解决方法:

有很多事情可能会出错,以后会更多,但是在您的情况下,您可以按照非常简单的方式对数组进行排序：

>>> a = np.array([[[  2,  7,  1],
...                [ 35,  9,  1],
...                [ 22, 12,  4]],
... 
...               [[ 12,  2,  3],
...                [  3,  7,  8],
...                [ 12,  1, 10]]])
>>> a_view = a.view(dtype=[('', a.dtype)]*a.shape[-1])
>>> a_view.sort(axis=1)
>>> a
array([[[ 2,  7,  1],
        [22, 12,  4],
        [35,  9,  1]],

       [[ 3,  7,  8],
        [12,  1, 10],
        [12,  2,  3]]])

为此,要用于解析绘制的轴必须是最后一个数组,并且该数组必须是连续的.因此,不管a的历史如何,都要正确地做到这一点,执行a = np.ascontiguousarray(a)可能是安全的事情.