python中numpy数组排序,在Python中对多个列上的numpy数组进行排序

tldr：NumPy在对数值数组进行数值计算时会发光.虽然有可能(见下文)NumPy不适合这个.你可能最好使用Pandas.

问题的原因：

值正在按字符串排序.您需要将它们排序为整数.

In [7]: sorted(['15', '8'])

Out[7]: ['15', '8']

In [8]: sorted([15, 8])

Out[8]: [8, 15]

发生这种情况是因为order_array包含字符串.您需要在适当的时候将这些字符串转换为int.

将dtypes从string-dtype转换为数字dtype需要为新数组分配空间.因此,您可能最好从一开始就修改创建order_array的方式.

有趣的是,即使您在调用时将值转换为整数

order_array = np.array(rows_list)

NumPy默认创建一个同质数组.在同构数组中,每个值都具有相同的dtype.所以NumPy试图找到你所有人的共同点

值并选择一个字符串dtype,阻止你将字符串转换为整数的努力！

您可以通过检查order_array.dtype来自行检查dtype：

In [42]: order_array = np.array(rows_list)

In [43]: order_array.dtype

Out[43]: dtype('|S4')

现在,我们如何解决这个问题？

使用对象dtype：

最简单的方法是使用’object’dtype

In [53]: order_array = np.array(rows_list, dtype='object')

In [54]: order_array

Out[54]:

array([[2008, 1, 23, AAPL, Buy, 100],

[2008, 1, 30, AAPL, Sell, 100],

[2008, 1, 23, GOOG, Buy, 100],

[2008, 1, 30, GOOG, Sell, 100],

[2008, 9, 8, GOOG, Buy, 100],

[2008, 9, 15, GOOG, Sell, 100],

[2008, 5, 1, XOM, Buy, 100],

[2008, 5, 8, XOM, Sell, 100]], dtype=object)

这里的问题是np.lexsort或np.sort不适用于数组

dtype对象.要解决该问题,您可以对rows_list进行排序

在创建order_list之前：

In [59]: import operator

In [60]: rows_list.sort(key=operator.itemgetter(0,1,2))

Out[60]:

[(2008, 1, 23, 'AAPL', 'Buy', 100),

(2008, 1, 23, 'GOOG', 'Buy', 100),

(2008, 1, 30, 'AAPL', 'Sell', 100),

(2008, 1, 30, 'GOOG', 'Sell', 100),

(2008, 5, 1, 'XOM', 'Buy', 100),

(2008, 5, 8, 'XOM', 'Sell', 100),

(2008, 9, 8, 'GOOG', 'Buy', 100),

(2008, 9, 15, 'GOOG', 'Sell', 100)]

order_array = np.array(rows_list, dtype='object')

更好的选择是将前三列合并到datetime.date对象中：

import operator

import datetime as DT

for i in ...:

seq = [DT.date(int(x.year), int(x.month), int(x.day)) ,s_sym, 'Buy', 100]

rows_list.append(seq)

rows_list.sort(key=operator.itemgetter(0,1,2))

order_array = np.array(rows_list, dtype='object')

In [72]: order_array

Out[72]:

array([[2008-01-23, AAPL, Buy, 100],

[2008-01-30, AAPL, Sell, 100],

[2008-01-23, GOOG, Buy, 100],

[2008-01-30, GOOG, Sell, 100],

[2008-09-08, GOOG, Buy, 100],

[2008-09-15, GOOG, Sell, 100],

[2008-05-01, XOM, Buy, 100],

[2008-05-08, XOM, Sell, 100]], dtype=object)

即使这很简单,我也不喜欢NypPy数组的dtype对象.

无法获得NumPy数组的速度和内存空间节省增益

本地dtypes.此时,您可能会发现使用Python列表列表

更快,语法更容易处理.

使用结构化数组：

更多NumPy-ish解决方案仍然提供速度和内存优势

使用structured array(而不是齐次数组).做一个

使用np.array的结构化数组,你需要显式提供一个dtype：

dt = [('year', '

('action', '|S4'), ('value', '

order_array = np.array(rows_list, dtype=dt)

In [47]: order_array.dtype

Out[47]: dtype([('year', '

要对结构化数组进行排序,可以使用sort方法：

order_array.sort(order=['year', 'month', 'day'])

要使用结构化数组,您需要了解同构数组和结构化数组之间的一些差异：

你原来的同质阵列是二维的.相比之下,所有

结构化数组是一维的：

In [51]: order_array.shape

Out[51]: (8,)

如果使用int索引结构化数组或遍历数组,则为

回到行：

In [52]: order_array[3]

Out[52]: (2008, 1, 30, 'GOOG', 'Sell', 100)

使用齐次数组,您可以使用order_array [：,i]访问列

现在,使用结构化数组,您可以按名称访问它们：例如order_array [ ‘年’.

或者,使用熊猫：

如果您可以安装Pandas,我想您可能最开心使用Pandas DataFrame：

In [73]: df = pd.DataFrame(rows_list, columns=['date', 'symbol', 'action', 'value'])

In [75]: df.sort(['date'])

Out[75]:

date symbol action value

0 2008-01-23 AAPL Buy 100

2 2008-01-23 GOOG Buy 100

1 2008-01-30 AAPL Sell 100

3 2008-01-30 GOOG Sell 100

6 2008-05-01 XOM Buy 100

7 2008-05-08 XOM Sell 100

4 2008-09-08 GOOG Buy 100

5 2008-09-15 GOOG Sell 100

Pandas具有按日期对齐时间序列,填补缺失的有用功能

值,分组和聚合/转换行或列.

通常,对于年,月,日而言,使用单个日期列而不是三个整数值列更有用.

如果您需要将年,月,日作为单独的列进行输出,比如说csv,那么您可以将日期列替换为年,月,日列,如下所示：

In [33]: df = df.join(df['date'].apply(lambda x: pd.Series([x.year, x.month, x.day], index=['year', 'month', 'day'])))

In [34]: del df['date']

In [35]: df

Out[35]:

symbol action value year month day

0 AAPL Buy 100 2008 1 23

1 GOOG Buy 100 2008 1 23

2 AAPL Sell 100 2008 1 30

3 GOOG Sell 100 2008 1 30

4 XOM Buy 100 2008 5 1

5 XOM Sell 100 2008 5 8

6 GOOG Buy 100 2008 9 8

7 GOOG Sell 100 2008 9 15

或者,如果您没有使用“日期”列开头,您当然可以单独留下rows_list,并从头开始构建包含年,月,日列的DataFrame.排序仍然很容易：

df.sort(['year', 'month', 'day'])