如何使用NumPy对三维向量数组进行升序排序？

你之前使用np.sort(input_arr, axis=0)的问题在于：这个操作是沿着轴0对每个通道的元素单独排序，会破坏每个三维向量的整体性——比如它会把所有向量的第一个元素单独排序，第二个元素单独排序，第三个元素单独排序，最终得到的是拆分后的元素排序结果，而非完整向量的排序。

要实现完整三维向量的升序排序（按字典序：先比较第一个元素，第一个元素相同则比较第二个，以此类推），可以用以下两种可靠方法：

方法1：使用np.lexsort（推荐，通用可靠） #

np.lexsort支持多键排序，正好匹配向量的字典序排序需求。步骤如下：

1. 先将三维数组降维为二维数组（提取出需要排序的5个向量）；
2. 以向量的三个元素为排序键，按优先级从高到低（第一个元素→第二个元素→第三个元素）排序；
3. 将排序后的二维数组恢复为原三维形状。

代码示例：

import numpy as np

input_arr = np.array( [
    [[255,0,3],
    [255,4,100],
    [255,2,3],
    [255,3,3],
    [0,1,3],
    ] ]
, dtype='uint8')

# 降维为(5,3)的二维数组，提取所有待排序的向量
vecs = input_arr[0]
# 按向量第0列→第1列→第2列的顺序排序（lexsort从最后一个参数开始作为主排序键）
sorted_indices = np.lexsort((vecs[:,2], vecs[:,1], vecs[:,0]))
# 按排序索引重新排列向量，并恢复原三维形状
output_arr = vecs[sorted_indices][np.newaxis, ...]

print(output_arr)

运行结果与你期望的输出完全一致：

[[[  0   1   3]
  [255   0   3]
  [255   2   3]
  [255   3   3]
  [255   4 100]]]

方法2：利用数组视图实现快速排序（依赖字节序，慎用） #

如果你的平台字节序是小端序，可以将每个三维向量视为一个24位无符号整数，直接用argsort排序：

import numpy as np

input_arr = np.array( [
    [[255,0,3],
    [255,4,100],
    [255,2,3],
    [255,3,3],
    [0,1,3],
    ] ]
, dtype='uint8')

# 将每个(3,)的向量视图为一个uint32（前8位补0），然后排序
sorted_vecs = input_arr[0][np.argsort(input_arr[0].view('uint32'))]
output_arr = sorted_vecs[np.newaxis, ...]

这种方法效率更高，但依赖硬件字节序，跨平台兼容性不如np.lexsort，仅在固定环境下推荐使用。

内容的提问来源于stack exchange，提问作者sazr