按元素上的条件值对 numpy 数组元素进行排序

Question

我需要通过增加与另一个点的距离来对一个 numpy 点数组进行排序。

import numpy as np

def dist(i,j,ip,jp): 
    return np.sqrt((i-ip)**2+(j-jp)**2)

arr = np.array([[0,0],[1,2],[4,1]])

我想做的是在固定点 [i,j]=[1,1] 和 arr 中的每个有序对 [ip,jp] 之间使用函数 dist(1,1,ip,jp) 来返回每个元素从最低到最高排序到 [i,j]。任何人都有一个快速的解决方案？

我想要的输出是 new_arr = np.array([[1,2],[0,0],[4,1]])

我有一些想法，但它们看起来效率极低。

谢谢！

Answer 1

似乎有两种方法可以做到这一点：

1. 将整个 numpy 数组转换为 Python 列表，并使用 Python 的 sort 方法和 key 函数对其进行排序。

    l = list(arr)
    l.sort(key=lambda coord: dist(1, 1, coord[0], coord[1]))
    arr = np.array(l)
   

2. 通过映射dist()原始数组创建第二个 numpy 数组，用于.argsort()获取排序顺序，然后将其应用于原始数组。

    arr2 = np.vectorize(lambda coord: dist(1, 1, coord[0], coord[1]))(arr)
    arr3 = np.argsort(arr2)
    arr = np.array(arr)[arr3]
   

Answer 2

我现在意识到这是一个流行的问题，所以多年后，这是我自己的答案，它使用了极其强大的功能scipy.spatial。这里，scipy.spatial.cdist用于进行距离计算。这是闪电般的速度和Python风格，没有任何“转换为列表并转换回来”的黑客行为：

from scipy.spatial.distance import cdist
import numpy as np

# EXAMPLE DATA
arr = 20*np.random.random(size=(5000000,2))-10 # testing data
pt = np.array([[1,1]]) # the point to eval proximity to

# THE SOLUTION
out = arr[np.argsort(cdist(arr,pt).squeeze())]

在这里，cdist获取一个距离数组，squeeze删除该数组中的额外维度，argsort按距离对距离中的索引进行排序，并按这些索引arr[...]进行排序arr。