如何在Numpy中根据向量重排规则调整二维矩阵轴顺序

你可以通过两种方式完成矩阵同步重排，均能匹配需求：

通用重排方法（适用于任意ts重排逻辑） #

只要你得到了重排后的tss，只需要生成新序列对应原序列的列索引，再用numpy高级索引重排矩阵的列即可，示例代码如下：

import numpy as np

a = np.array([
            [1, 2, 3], 
            [4, 5, 6], 
            [7, 8, 9]
            ])
ts = np.array([100, 200, 300])
tss = np.array([200, 300, 100])

# 生成新时间序列对应原序列的列索引
col_idx = [np.where(ts == t)[0][0] for t in tss]
# 若原ts是有序数组，可以用向量化写法提升效率：col_idx = np.searchsorted(ts, tss)

# 按索引重排矩阵的列
aa = a[:, col_idx]
print(aa)
# 输出结果：
# [[2 3 1]
#  [5 6 4]
#  [8 9 7]]

FFT场景专用方法 #

如果你确定重排逻辑就是np.fft.fftshift对应的顺序，可以直接调用numpy的fftshift方法指定操作列轴，代码更简洁：

aa = np.fft.fftshift(a, axes=1)

输出结果和通用方法完全一致。

• numpy高级索引：整数数组索引可以沿指定轴重排元素，二维数组中arr[:, 索引列表]会按照索引列表的顺序重排所有行的列元素，不会改变行顺序
• numpy轴规则：二维数组axis=0对应行维度，axis=1对应列维度，指定轴操作可以只修改目标维度的顺序，不影响其他维度的结构
• FFT配套操作：np.fft.fftfreq用于生成FFT计算对应的频率坐标，np.fft.fftshift用于将FFT输出的零频分量移动到数组中心，通过axes参数可以指定仅对列维度生效，匹配时间轴重排的需求。

内容的提问来源于stack exchange，提问作者velenos14