如何用np.argsort实现pd.sort_values(ascending=False)功能？

问题分析 #

你遇到的差异核心原因是：当数组中存在相等值时，pandas的sort_values(ascending=False, kind="quicksort")会对相等值对应的索引按降序排列，而numpy的argsort仅基于数组值排序，相等值的索引顺序与pandas逻辑相反。

比如数组中值为16的元素索引是24和31，pandas会把索引更大的31排在前面，而单纯的array.argsort()[::-1]会保留原数组中相等值的出现顺序（24在前，31在后），导致结果不符。

解决方案 #

使用numpy的lexsort实现多键排序：先按数组值降序排序，当值相等时，按索引降序排序，完全对齐pandas的逻辑。

代码实现 #

import numpy as np

array = np.array([1.,  2.,  0.,  0.,  9.,  3.,  7., 13.,  4.,  5., 15.,  5., 12.,  6.,  3.,
              1.,  1.,  5.,  1.,  9., 15.,  2.,  4.,  7., 16.,  7.,  8., 11., 15., 13.,  4., 16., 11.])

# 生成索引数组
indices = np.arange(len(array))
# 按(-数组值, -索引)升序排序 → 等价于按数组值降序、索引降序排序
sorted_indices = np.lexsort((-indices, -array))

# 转换为列表对比结果
print(list(sorted_indices))
# 输出: [31, 24, 20, 28, 10, 7, 29, 12, 32, 27, 4, 19, 26, 6, 23, 25, 13, 11, 9, 17, 8, 22, 30, 14, 5, 1, 21, 0, 18, 15, 16, 3, 2]

原理说明 #

np.lexsort会根据传入的键元组从右到左进行排序：

1. 最右侧的-array：按数组值的相反数升序排序，等价于原数组值的降序排序。
2. 左侧的-indices：当数组值相等时，按索引的相反数升序排序，等价于原索引的降序排序，完全匹配pandas的处理逻辑。

内容的提问来源于stack exchange，提问作者Daniel Habenicht