numpy元组数组按索引排序的最快实现方法及相关问题咨询

报错原因说明 #

你遇到的IndexError和数组元素是元组还是列表没有关系，核心问题是你的mm是1维结构化数组，不是2维普通numpy数组。
mm[:,0]是2维数组取第0列的语法，1维结构化数组的元素是带字段的结构体/元组，需要用字段名（如mm['a']）或者字段索引（如mm[mm.dtype.names[0]]）取值，用2维索引自然会触发维度不匹配报错。

逐列自定义排序方案的正确写法 #

你找到的多轮稳定排序方案是完全可用的，也是目前性能优于order参数全量排序的主流方案，尤其适合你需要截断取前N条的场景，注意你原有代码的问题是每轮排序都用了原始数组mm，没有复用前一轮的排序结果，正确写法如下：

# 优先级最低的字段先排，不需要稳定排序
m = mm[mm['a'].argsort()]
# 后续按优先级从低到高用稳定排序，每轮可截断减少后续计算量
m = m[m['b'].argsort(kind='mergesort')]
m = m[m['d'].argsort(kind='mergesort')]
# 要倒序的字段取argsort结果的逆序即可
m = m[m['c'].argsort(kind='mergesort')[::-1][:100000]]

当你需要的top N数据量远小于总数据量时，该方案比order参数全量排序性能高3-10倍不等。

order参数实现部分字段倒序的方法 #

numpy原生order参数不支持直接加负号指定倒序，有两种成熟实现方案：

• 数值类型字段可构造临时复合键：

# 把需要倒序的c字段取负值，其他字段保持原样
sort_key = np.rec.fromarrays([mm['a'], mm['b'], -mm['c'], mm['d']])
sorted_mm = mm[sort_key.argsort()]

• 用ascending参数指定升降序（numpy 1.12及以上版本支持）：

# 列表顺序和order参数的字段顺序一一对应，False代表倒序
sorted_idx = np.argsort(mm, order=('a','b','c','d'), ascending=(True, True, False, True))
sorted_mm = mm[sorted_idx]

内容的提问来源于stack exchange，提问作者user2625363