如何将一维数组转为宽度为4、按第三元素排序的二维数组

核心逻辑 #

• 第一步：将输入一维数组按固定宽度4切片，生成分块二维数组；若数组长度不是4的整数倍，可根据需求选择截断末尾不足4个的部分，或补占位值后分组
• 第二步：以二维数组每行的第3个元素（从0开始计数索引为2）为排序键，执行升序排序

代码实现 #

Python 原生实现 #

适配中小规模数据，写法简单无依赖：

# 输入示例数组
raw_arr = [1,5,8,9,9,1,4,6,7,8,41,4,5,31,6,11]
chunk_width = 4
# 第一步：生成分块二维数组
two_d_array = [raw_arr[i:i+chunk_width] for i in range(0, len(raw_arr), chunk_width)]
# 第二步：按每行第三个元素升序排序
sorted_two_d_array = sorted(two_d_array, key=lambda row: row[2])
# 输出结果验证
print(sorted_two_d_array)

输出结果与示例完全一致：

[[9, 1, 4, 6], [5, 31, 6, 11], [1, 5, 8, 9], [7, 8, 41, 4]]

超大规模数组优化实现 #

如果待处理数组远大于内存容量，可使用生成器流式读取分块，减少内存占用：

def chunk_large_array(input_iterator, chunk_width=4):
    current_chunk = []
    for item in input_iterator:
        current_chunk.append(item)
        if len(current_chunk) == chunk_width:
            yield current_chunk
            current_chunk = []
    # 若需要保留不足4个元素的末尾块，可放开下方注释
    # if current_chunk:
    #     yield current_chunk + [0]*(chunk_width - len(current_chunk))
# 使用示例：可对接文件流、数据库迭代器等输入源
# all_chunks = list(chunk_large_array(your_large_input_stream))
# sorted_chunks = sorted(all_chunks, key=lambda x:x[2])

Numpy 高性能实现 #

处理百万级以上元素的数组时，向量化运算性能远高于原生Python：

import numpy as np
raw_arr = np.array([1,5,8,9,9,1,4,6,7,8,41,4,5,31,6,11])
# 第一步：重塑为4列的二维数组
two_d_array = raw_arr.reshape(-1, 4)
# 第二步：按第3列升序排序
sorted_two_d_array = two_d_array[two_d_array[:, 2].argsort()]
# 输出验证
print(sorted_two_d_array)

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