如何使用NumPy按指定列数值从高到低排序多维数组

我在NumPy文档里没找到对应的用法，来求助。我有这么一个数组（注：原始代码里的Larry、90%写法不符合Python语法，实际要改成字符串和浮点数形式）：

import numpy as np
X = np.array([
            ['Larry', 0.9],
            ['Beth', 1.0],
            ['Arnold', 0.9],
])

我想按第二个元素（百分比数值）从高到低排序，期望结果是：

array([['Beth', 1.],
       ['Arnold', 0.9],
       ['Larry', 0.9]], dtype='<U6')

我试过用argsort，但下面这段代码根本不起作用：

X = X[-X[:, 0].argsort()]

解决步骤 #

1. 先改对索引 #

你之前的代码用了X[:, 0]，这是取数组的第一列（名字列），但你要按第二列排序，得改成X[:, 1]才行。

2. 正确实现降序排序 #

argsort()默认是升序排序，要实现降序有两种简单方法：

• 对升序索引反转：

# 获取第二列的升序索引，反转后得到降序顺序
sorted_idx = X[:, 1].argsort()[::-1]
X_sorted = X[sorted_idx]

• 对第二列取负数后再用argsort：

sorted_idx = (-X[:, 1]).argsort()
X_sorted = X[sorted_idx]

3. 保证同分值的原始顺序 #

如果想让同分值（比如两个90%）保持它们在原数组里的相对顺序（稳定排序），可以用np.lexsort结合原索引：

# 先按第二列降序，再按原数组的索引升序，确保同分值顺序不变
sorted_idx = np.lexsort([np.arange(len(X)), -X[:, 1]])
X_sorted = X[sorted_idx]

这样就能得到你想要的结果：Beth排第一，接着是Arnold、Larry。

内容的提问来源于stack exchange，提问作者Condado