numpy关于两列进行排序

你可以使用`argsort()`函数来对 numpy 数组中的两列进行排序。

假设你有一个二维数组 `arr`，其中有两列需要排序，你可以这样做：

import numpy as np

# 创建一个随机数组
arr = np.random.randint(0, 10, size=(5, 2))
print("原始数组：\n", arr)

# 对第一列进行排序
sorted_indices = arr[:, 0].argsort()
sorted_arr = arr[sorted_indices]
print("按第一列排序后的数组：\n", sorted_arr)

# 对第二列进行排序
sorted_indices = arr[:, 1].argsort()
sorted_arr = arr[sorted_indices]
print("按第二列排序后的数组：\n", sorted_arr)

以上代码将输出类似以下的结果：

原始数组：
 [[6 0]
 [4 8]
 [3 0]
 [6 4]
 [3 3]]
按第一列排序后的数组：
 [[3 0]
 [3 3]
 [4 8]
 [6 0]
 [6 4]]
按第二列排序后的数组：
 [[6 0]
 [3 0]
 [3 3]
 [6 4]
 [4 8]]

这里使用了 `argsort()` 函数得到了排序后的索引，然后使用索引重新排列原始数组。

相关问题

numpy关于两列进行排序，两列分别是主序和附序

如果你需要按照两列排序，其中一列为主序列，另一列为附序列，则可以先按照主序列排序，然后在主序列相同的情况下按照附序列排序。以下是一个例子：

import numpy as np

# 创建一个随机数组
arr = np.random.randint(0, 10, size=(5, 2))
print("原始数组：\n", arr)

# 先按照第一列排序，再按照第二列排序
sorted_indices = np.lexsort((arr[:, 1], arr[:, 0]))
sorted_arr = arr[sorted_indices]
print("按照两列排序后的数组：\n", sorted_arr)

以上代码将输出类似以下的结果：

原始数组：
 [[2 5]
 [8 6]
 [6 4]
 [5 8]
 [3 4]]
按照两列排序后的数组：
 [[6 4]
 [3 4]
 [2 5]
 [8 6]
 [5 8]]

这里使用了 `lexsort()` 函数，它可以按照多个键对数组进行排序，其中最后一个键为主键，依次向前为附键。因此，我们先将第二列作为最后一个键（附键），第一列作为倒数第二个键（主键），这样就可以实现按照两列排序了。

基于iris数据集的统计分析 3 实验目的： 1 掌握函数的定义和调用、及Python文件操作基础。 2 熟悉掌握Numpy数值计算；熟悉Numpy的数据处理方法。 3 掌握Numpy中的数据统计与分析排序、数据去重，常用统计分析方法。 4实验环境： Anaconda3 5实验内容与要求： 本实训读取iris数据集中鸢尾花的萼片、花瓣长度数据，并对其进行排序，去重，并求出和、累计和、均值、标准差、方差、最小值、最大值。 1、导入模块，获取数据,显示前5行 2、数据清理，转换为数组 3、获取Petal.Length列，转换为浮点数，并输出前5个数 4、对Petal.Length列进行排序、去重 5、求出Petal.length列的和、均值、标准差、方差、最小值、最大值 6、开放式题目：任选两列进行任意统计分析（如四则运算、数组变换、统计分析等）

以下是基于iris数据集的统计分析3的代码实现：

import numpy as np

# 1. 导入数据，显示前5行
with open("iris.data", "r") as f:
    data = f.readlines()
    for i in range(5):
        print(data[i])

# 2. 数据清理，转换为数组
data_array = np.genfromtxt("iris.data", delimiter=",", usecols=(0, 1, 2, 3))
data_array = np.delete(data_array, np.s_[150:], 0)

# 3. 获取Petal.Length列，转换为浮点数，并输出前5个数
petal_length = data_array[:, 2].astype(np.float)
print("Petal.Length前5个数：", petal_length[:5])

# 4. 对Petal.Length列进行排序、去重
sorted_petal_length = np.sort(petal_length)
unique_petal_length = np.unique(petal_length)

# 5. 求出Petal.length列的和、均值、标准差、方差、最小值、最大值
petal_length_sum = np.sum(petal_length)
petal_length_mean = np.mean(petal_length)
petal_length_std = np.std(petal_length)
petal_length_var = np.var(petal_length)
petal_length_min = np.min(petal_length)
petal_length_max = np.max(petal_length)

print("Petal.Length列的和：", petal_length_sum)
print("Petal.Length列的均值：", petal_length_mean)
print("Petal.Length列的标准差：", petal_length_std)
print("Petal.Length列的方差：", petal_length_var)
print("Petal.Length列的最小值：", petal_length_min)
print("Petal.Length列的最大值：", petal_length_max)

# 6. 任选两列进行任意统计分析
# 选取Petal.Length和Sepal.Length列进行四则运算
sepal_length = data_array[:, 0].astype(np.float)
result = petal_length + sepal_length
print("Petal.Length和Sepal.Length列进行四则运算结果：", result)