基于每行指定区间元素求和结果对NumPy二维数组降序排序

针对你的需求，这里提供两种可行的实现方式，优先推荐使用NumPy原生操作（效率更高，适合大规模数组）：

方法一：NumPy原生操作（推荐） #

1. 计算每行指定片段的和：比如你要选取第2到第3个元素（对应NumPy的0-based索引1:3），对该切片求和
2. 根据求和结果的降序获取排序索引
3. 用索引对原数组重排

示例代码：

import numpy as np

# 你的示例数组
a = np.array([[0.80372444, 0.35468653, 0.9081662 , 0.69995566],
              [0.53712474, 0.90619077, 0.69068265, 0.73794143],
              [0.14056974, 0.34685164, 0.87505744, 0.56927803]])

# 计算每行第2-3个元素的和（0-based索引1到2）
segment_sums = np.sum(a[:, 1:3], axis=1)
# 获取降序排序的索引
sorted_indices = np.argsort(-segment_sums)
# 对原数组排序
a_sorted = a[sorted_indices]

print(a_sorted)

输出结果：

array([[0.53712474, 0.90619077, 0.69068265, 0.73794143],
       [0.80372444, 0.35468653, 0.9081662 , 0.69995566],
       [0.14056974, 0.34685164, 0.87505744, 0.56927803]])

方法二：使用Python内置sorted函数 #

如果你更习惯Python列表操作，可以自定义key函数，只对指定片段求和，并设置reverse=True实现降序：

import numpy as np

a = np.array([[0.80372444, 0.35468653, 0.9081662 , 0.69995566],
              [0.53712474, 0.90619077, 0.69068265, 0.73794143],
              [0.14056974, 0.34685164, 0.87505744, 0.56927803]])

# 自定义key：取每行第2-3个元素求和，reverse=True实现降序
a_sorted = np.array(sorted(a, key=lambda row: sum(row[1:3]), reverse=True))

print(a_sorted)

关键说明 #

• 注意NumPy的索引是0-based：如果你说的"第2到第3个元素"是1-based的表述，对应切片是1:3（左闭右开，包含索引1和2）；如果是其他区间，比如第2到第6个元素，只需调整切片为1:6即可。
• NumPy原生操作避免了数组到列表的转换，在处理大型数组时性能远优于Python的sorted方法。

内容的提问来源于stack exchange，提问作者Joan