如何从列表中提取高频值前半部分并解决numpy排序异常问题

• np.column_stack 拼接数组时会将所有列强制转换为统一的兼容数据类型。如果原始mat_sup中存储的是字符串类值，拼接后第二列的计数字段会从整数被转为字符串格式，后续排序会按照字符串字典序执行（例如字符串规则下'10'会排在'2'前面），最终排序结果和数值排序的预期不符。

核心思路是拆分接收np.unique的返回值，避免提前拼接导致计数列类型被转换，以下两种方案都可以实现需求：

方案1：直接基于计数数组排序（写法最简洁） #

不需要创建结构化数组，显式转换计数类型后直接排序，代码如下：

# 分开接收唯一值、对应计数，避免类型被自动转换
vals, counts = np.unique(mat_sup, return_counts=True)
# 将计数显式转为整数类型，按计数降序生成排序索引
sorted_index = (-counts.astype(int)).argsort()
# 按索引重组值和计数
sorted_result = np.column_stack((vals[sorted_index], counts[sorted_index]))
# 提取出现频率最高的前半部分值
top_half_values = sorted_result[:len(sorted_result)//2, 0]

方案2：保留结构化数组排序的写法 #

如果习惯用结构化数组的排序逻辑，创建结构化数组前先显式转换计数的类型即可：

vals, counts = np.unique(mat_sup, return_counts=True)
# 提前把计数转为整数类型，避免后续字符串排序问题
counts_int = counts.astype(int)
# 创建结构化数组、生成排序索引
sorted_index = np.core.records.fromarrays([counts_int], names='a').argsort()
# argsort默认是升序排序，翻转后得到计数从高到低的结果
sorted_result = np.column_stack((vals[sorted_index][::-1], counts_int[sorted_index][::-1]))
# 提取出现频率最高的前半部分值
top_half_values = sorted_result[:len(sorted_result)//2, 0]

注意：argsort()默认返回从小到大的升序索引，如果需要按计数从高到低取Top值，要么给计数值加负号做升序模拟降序效果，要么排序完成后翻转数组顺序。

内容的提问来源于stack exchange，提问作者tibibou