如何对4D NumPy数组的第三维度执行降序排序？

问题背景 #

现有一个4D NumPy数组：

import numpy as np
Y = np.random.randint(1, 9, size=(5,1,10,4))
print(Y.shape)  # 输出 (5, 1, 10, 4)

数组前2个元素示例：

# Y的前2个元素
Y[:2]
array([[[[1, 8, 7, 8],
         [8, 2, 7, 3],
         [7, 8, 7, 8],
         [3, 1, 8, 4],
         [3, 1, 2, 2],
         [6, 4, 2, 3],
         [3, 8, 1, 8],
         [1, 7, 3, 2],
         [7, 4, 6, 6],
         [1, 5, 6, 3]]],


       [[[7, 2, 7, 7],
         [4, 8, 5, 5],
         [1, 2, 7, 5],
         [7, 5, 8, 3],
         [6, 4, 2, 4],
         [4, 4, 2, 4],
         [1, 5, 3, 7],
         [4, 5, 3, 3],
         [4, 8, 2, 2],
         [6, 1, 6, 6]]]])

需求是沿**第三维度（axis=2）**对数组进行降序排序，但直接使用numpy.ndarray.sort()时出现错误：

Y_sorted_reversed = Y.sort(Y, axis=2)
# 报错：TypeError: argument for sort() given by name ('axis') and position (position 0)

同时ndarray.sort()没有reversed参数直接实现逆序排序。

错误原因 #

numpy.ndarray.sort()是原地排序方法，调用时不需要传入数组本身作为参数，正确的调用形式是Y.sort(axis=2)，但该方法默认仅支持升序排序，无法直接指定降序。

正确解决方案 #

以下两种方法均可实现沿axis=2的降序排序：

方法1：np.sort()升序排序后反转维度 #

np.sort()会返回排序后的新数组（非原地修改），先沿axis=2升序排序，再反转该维度得到降序结果：

Y_sorted_reversed = np.sort(Y, axis=2)[:, :, ::-1, :]

方法2：负号转换实现降序（更高效） #

对数组取负后执行升序排序，再取负恢复原数值，等价于原数组降序排序：

Y_sorted_reversed = -np.sort(-Y, axis=2)

原地排序的实现方式 #

如果需要原地修改数组，可先复制原数组，再执行原地升序排序后反转维度：

Y_copy = Y.copy()
Y_copy.sort(axis=2)
Y_sorted_reversed = Y_copy[:, :, ::-1, :]

验证结果 #

排序后的数组前2个元素符合预期：

# Y_sorted_reversed的前2个元素
Y_sorted_reversed[:2]
array([[[[8, 8, 8, 8],
         [7, 8, 7, 8],
         [7, 8, 7, 8],
         [6, 7, 7, 6],
         [3, 5, 6, 4],
         [3, 4, 6, 3],
         [3, 4, 3, 3],
         [1, 2, 2, 3],
         [1, 1, 2, 2],
         [1, 1, 1, 2]]],


       [[[7, 8, 8, 7],
         [7, 8, 7, 7],
         [6, 5, 7, 6],
         [6, 5, 6, 5],
         [4, 5, 5, 5],
         [4, 4, 3, 4],
         [4, 4, 3, 4],
         [4, 2, 2, 3],
         [1, 2, 2, 3],
         [1, 1, 2, 2]]]])

内容的提问来源于stack exchange，提问作者Amina Umar