在Python中对多个列上的numpy数组进行排序

我试图在column1上排序以下数组,然后是column2然后是column3

[['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']]

我使用了以下代码：

idx=np.lexsort((order_array[:,2],order_array[:,1],0]))
    order_array=order_array[idx]

结果数组是

[['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' '15' 'GOOG' 'Sell' '100']
 ['2008' '9' '8' 'GOOG' 'Buy' '100']]

问题是最后两行是错误的.正确的数组应该将最后一行作为倒数第二行.我已经尝试了一切,但我无法理解为什么会这样.会感激一些帮助.

我使用以下代码获取order_array.

for i in ….
    x= ldt_timestamps[i] # this is a list of timestamps
    s_sym=……
    list=[int(x.year),int(x.month),int(x.day),s_sym,'Buy',100]   
    rows_list.append(list) 

 order_array=np.array(rows_list)

解决方法

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],[2008,30,Sell,GOOG,9,8,15,5,XOM,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(0,2))
Out[60]: 
[(2008,'AAPL',100),(2008,'GOOG','Sell','XOM',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.day)),100]   
    rows_list.append(seq)
rows_list.sort(key=operator.itemgetter(0,2))        
order_array = np.array(rows_list,dtype='object')

In [72]: order_array
Out[72]: 
array([[2008-01-23,[2008-01-30,[2008-01-23,[2008-09-08,[2008-09-15,[2008-05-01,[2008-05-08,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','<i4'),('month',('day',('symbol','|S8'),('action','|S4'),('value','<i4')]
order_array = np.array(rows_list,dtype=dt)

In [47]: order_array.dtype
Out[47]: dtype([('year','<i4')])

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]: (2008,100)

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,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,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','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,日列的DataFrame.排序仍然很容易：

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

在Python中对多个列上的numpy数组进行排序

解决方法

相关推荐