问题描述
我有一个多维形状的数组（1000000,3,2）。本质上是一百万个样本集，每个样本是3个坐标（每个坐标都有x和y分量）。我想按每个坐标的y分量对每个样本进行排序。例如，如果vecCoords是完整数组，而我有一个样本是vecCoords [0，：，：] = [[1,3]，[2,1]，[4,2]]，我希望将其排序为给我[[2,2]，[1,3]]。我经过了矢量化处理，因此可以对100万个样本中的每个样本进行处理。因此，输出形状仍为（1000000,2）。我尝试进行迭代，但是我的代码没有在其中给出正确的结果，而且速度也比我想要的慢。
解决方法
制作一个小样本数组：
In [153]: arr = np.random.randint(0,100,(4,3,2))
In [154]: arr
Out[154]:
array([[[21,12],[15,31],[17,88]],[[35,81],[99,58],[39,46]],[[54,54],[85,71],[ 9,19]],[[25,46],[62,61],[74,69]]])
您要排序的值：
In [155]: arr[:,:,1]
Out[155]:
array([[12,31,88],[81,58,[54,71,19],[46,61,69]])
In [156]: idx=np.argsort(arr[:,1],axis=1)
In [157]: idx
Out[157]:
array([[0,1,2],[2,0],[0,2]])
在一架飞机上进行这种测试：
In [159]: arr[1,idx[1],:]
Out[159]:
array([[39,[35,81]])
将其应用于所有飞机：
In [161]: arr[np.arange(arr.shape[0])[:,None],idx,:]
Out[161]:
array([[[21,[[39,81]],[[ 9,71]],69]]])
虽然我对下一步工作有一个大致的了解，但我仍然必须进行一些实验。
应该有一个新颖的功能使它更容易-尽管即使在这里，我也必须尝试一些方法：
In [168]: np.take_along_axis(arr,idx[:,axis=1)
Out[168]:
array([[[21,69]]])