如何按行和从小到大通用排序Numpy数组？

推荐实现：利用Numpy原生argsort()方法 #

你的思路方向没问题，但手动循环找最小值的方式效率偏低，Numpy本身提供了更简洁高效的原生方案，能完美适配任意行数的二维数组：

import numpy as np

def sort_rows_by_sum(arr):
    # 计算每行的元素和
    row_sums = np.sum(arr, axis=1)
    # 获取行和从小到大排序后的索引
    sorted_indices = np.argsort(row_sums)
    # 根据索引对原数组的行重新排序
    return arr[sorted_indices]

# 测试示例
# 两行数组测试
test_arr1 = np.array([[0, 4], [5, 0]])
print(sort_rows_by_sum(test_arr1))
# 输出: [[0 4]
#        [5 0]]

# 多行数组测试
test_arr2 = np.array([[0, 4], [5, 0], [1, 2]])
print(sort_rows_by_sum(test_arr2))
# 输出: [[1 2]
#        [0 4]
#        [5 0]]

修复你原有的循环实现 #

如果坚持要用类似你最初的循环思路，这里给出修复后的版本，解决重复选取和索引处理的问题：

import numpy as np

order_smallest = []
def smallest_sum(xy):
    global order_smallest
    order_smallest = []
    # 复制行和数组，避免修改原计算结果
    sums = np.sum(xy, axis=1).copy()
    row_count = xy.shape[0]
    
    for _ in range(row_count):
        # 找到当前剩余行中最小和的索引
        min_idx = np.argmin(sums)
        # 将对应行加入结果列表
        order_smallest.append(xy[min_idx].tolist())
        # 将已选中的行和设为无穷大，避免重复选取
        sums[min_idx] = np.inf
    
    return np.array(order_smallest)

# 测试
test_arr = np.array([[0, 4], [5, 0], [1, 2]])
print(smallest_sum(test_arr))
# 输出: [[1 2]
#        [0 4]
#        [5 0]]

说明 #

• 第一种方法的argsort()是Numpy优化后的原生方法，在数组行数较多时，速度远快于手动循环，是首选方案。
• 第二种方法通过将已选中行的和设为np.inf，确保每次循环都能定位到剩余行中的最小值，避免重复选取同一行。

内容的提问来源于stack exchange，提问作者justTrying