某公司的資料日常處理。看著規整的資料我就想到了numpy。

這是資料：

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

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

行的整體性並沒有被破壞。

# -*- coding: cp936 -*-

import numpy as np
import pprint 
a = np.array(
                [[  2,  7,  1, 2],
                [ 35,  9,  1, 2],
                [ 22, 12,  4, 2]]
             )

a1 = a[:,::-1].T
a2 = np.lexsort(a1)
a3 = a[a2]

pprint.pprint(a3)
 

a1 = a[:,::-1].T

#先逆序再轉置
#逆序結果：
#[2,1,7,2]
#[2,1,9,35]
#[2,4,12,22]
#轉置結果：
#[2,2,2]
#[1,1,4]
#[7,9,12]
#[2,35,22]

a2 = np.lexsort(a1)

#np.lexsort()，以列為整體性進行排序，重點是：從最後一行開始比較大小，正因為從最後一行開始排序，前面才用逆序
#排序結果：
#[0 2 1]
#0表示，排序後的第1列在a1的第0列，[2,1,7,2]
#2表示，排序後的第2列在a1的第2列,[2,4,12,22]
#1表示，排序後的第3列在a1的第1列,[2,1,9,35]
 

a3 = a[a2]

#拿著新的序列號[0 2 1]，調整下a就是我們要的結果了

好了，思考下，如果按第二列排序怎麼辦？

Ps：之前的資料本來排好序了，更換下資料。

開寫：

# -*- coding: cp936 -*-

import numpy as np
from numpy import * 
import pprint 
a = np.array(
                [[  2,  77,  1, 2],
                [ 35,  9,  1, 2],
                [ 22, 12,  4, 2]]
             )
print '排序前：'
pprint.pprint(a)

a1 = a.T
a2 = a1[array([0,3,2,1])]  #2列換到最後列（因為轉置，此時應該說2行換最後行）
a3 = np.lexsort(a2)
a4 = a[a3]

print '排序後：'
pprint.pprint(a4)
 

>>> 
排序前：
array([[ 2, 77,  1,  2],
       [35,  9,  1,  2],
       [22, 12,  4,  2]])
排序後：
array([[35,  9,  1,  2],
       [22, 12,  4,  2],
       [ 2, 77,  1,  2]])
>>> 

其實就是把第2列換到最後一列，然後重複之前的操作。

好吧，思考下，按照任意列排序，怎麼搞？

輸入引數：col_index(0,1,2,3...)表示按照第col_index列排序。

分析：因為轉置的原因，題目要求等價於按照轉置後的第col_index行排序。

這個還真有點意思，因為coding的時候，要把第col_index行和最後一行互換，不知道怎麼寫這個：

if col_index = 0: a2 = a1[array([3,1,2,col_index])]
if col_index = 1: a2 = a1[array([0,3,2,col_index])]
if col_index = 2: a2 = a1[array([0,1,3,col_index])]
if col_index = 3: a2 = a1[array([0,1,2,col_index])]

我可不想用100個if來表示100列。

動態生成？不可能，我肯定避開不了做判斷的時候。

算了，既然資料保證了每一行格式都是規整的，直接兩行交換吧。numpy做兩行運算還是挺快的。

交換a,b ：a = a + b, b = a - b, a = a- b。

# -*- coding: cp936 -*-

import numpy as np
from numpy import * 
import pprint 
a = np.array(
                [[  2,  77,  1, 2],
                [ 35,  9,  1, 2],
                [ 22, 12,  4, 2]]
             )
print '排序前：'
pprint.pprint(a)


def sort_by_col(a,col_index):
    a1 = a.T

    col_max = a.shape[-1]-1

    if col_index < col_max:
        #兩行互換
        a1[col_index] = a1[col_index] + a1[col_max]
        a1[col_max] = a1[col_index] - a1[col_max]
        a1[col_index] = a1[col_index] - a1[col_max]
        
        a2 = np.lexsort(a1)

        #因為a1的行交換影響了a（雖然id不同，但是是同一片記憶體），得到序列結果後再換回來，保持a的純潔
        a1[col_index] = a1[col_index] + a1[col_max]
        a1[col_max] = a1[col_index] - a1[col_max]
        a1[col_index] = a1[col_index] - a1[col_max]
    else:
        a2 = np.lexsort(a1)
    
    return a[a2]



for i in range(4):
    col_index = i
    a = sort_by_col(a,col_index)
    print '當col_index = %d ,排序後：' % col_index
    pprint.pprint(a)

>>> 
排序前：
array([[ 2, 77,  1,  2],
       [35,  9,  1,  2],
       [22, 12,  4,  2]])
當col_index = 0 ,排序後：
array([[ 2, 77,  1,  2],
       [22, 12,  4,  2],
       [35,  9,  1,  2]])
當col_index = 1 ,排序後：
array([[35,  9,  1,  2],
       [22, 12,  4,  2],
       [ 2, 77,  1,  2]])
當col_index = 2 ,排序後：
array([[35,  9,  1,  2],
       [ 2, 77,  1,  2],
       [22, 12,  4,  2]])
當col_index = 3 ,排序後：
array([[35,  9,  1,  2],
       [ 2, 77,  1,  2],
       [22, 12,  4,  2]])
>>>