如何使用Python按第二列降序排列指定矩阵？

没问题，这其实是Python里处理列表/矩阵排序很常见的需求，我给你几种实用的实现方式，你可以根据自己的场景挑选：

方法1：使用Python内置的sorted()函数（返回新列表） #

这是最通用的方式，不需要额外依赖，适合处理普通的嵌套列表。核心是利用key参数指定排序依据为每个子列表的第二列（Python索引从0开始，所以第二列对应索引1），再通过reverse=True把默认的升序改成降序。

代码示例：

# 你的原始矩阵
matrix = [[1, 0.7142857142857144], [3, 3.7142857142857144]]

# 按第二列降序排列，返回新列表
sorted_matrix = sorted(matrix, key=lambda x: x[1], reverse=True)

print(sorted_matrix)
# 输出: [[3, 3.7142857142857144], [1, 0.7142857142857144]]

这里的lambda x: x[1]是一个简单的匿名函数，它告诉sorted()：每个子列表的排序依据是它的第二个元素。

方法2：使用列表的.sort()方法（原地修改原列表） #

如果你不需要保留原始矩阵，想直接在原列表上修改排序结果，可以用列表自带的.sort()方法，参数和sorted()完全一致：

matrix = [[1, 0.7142857142857144], [3, 3.7142857142857144]]

# 直接在原列表上按第二列降序排序
matrix.sort(key=lambda x: x[1], reverse=True)

print(matrix)
# 输出: [[3, 3.7142857142857144], [1, 0.7142857142857144]]

⚠️ 注意：.sort()方法没有返回值（或者说返回None），所以别写成matrix = matrix.sort(...)，那样会让matrix变成None。

方法3：使用NumPy库（适合大型数值矩阵） #

如果你的矩阵是数值型的，而且后续还要做更多数值计算，用NumPy会更高效，处理大型矩阵时优势明显：

import numpy as np

# 将普通列表转换为NumPy数组
np_matrix = np.array([[1, 0.7142857142857144], [3, 3.7142857142857144]])

# 按第二列降序排列：先获取降序索引，再重新排列数组
sorted_np_matrix = np_matrix[np.argsort(-np_matrix[:, 1])]

print(sorted_np_matrix)
# 输出:
# [[3.         3.71428571]
#  [1.         0.71428571]]

解释一下：np_matrix[:, 1]提取出第二列的所有元素，给它加负号后用argsort()，得到的就是原列降序对应的行索引；最后用这个索引去取原数组的行，就完成了降序排列。

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