Estou surpreso que esta pergunta específica não tenha sido feita antes, mas eu realmente não a encontrei no SO nem na documentação do np.sort.

Digamos que eu tenha uma matriz numpy aleatória contendo inteiros, por exemplo:

> temp = np.random.randint(1,10, 10)    
> temp
array([2, 4, 7, 4, 2, 2, 7, 6, 4, 4])

Se eu classificar, obtenho ordem crescente por padrão:

> np.sort(temp)
array([2, 2, 2, 4, 4, 4, 4, 6, 7, 7])

mas quero que a solução seja classificada em ordem decrescente .

Agora, eu sei que sempre posso fazer:

reverse_order = np.sort(temp)[::-1]

mas esta última afirmação é eficiente ? Não cria uma cópia em ordem crescente e, em seguida, reverte essa cópia para obter o resultado na ordem reversa? Se for esse o caso, existe uma alternativa eficiente? Parece que não np.sortaceita parâmetros para alterar o sinal das comparações na operação de classificação para obter as coisas na ordem inversa.

temp[::-1].sort()classifica a matriz no local, enquanto np.sort(temp)[::-1]cria uma nova matriz.

In [25]: temp = np.random.randint(1,10, 10)

In [26]: temp
Out[26]: array([5, 2, 7, 4, 4, 2, 8, 6, 4, 4])

In [27]: id(temp)
Out[27]: 139962713524944

In [28]: temp[::-1].sort()

In [29]: temp
Out[29]: array([8, 7, 6, 5, 4, 4, 4, 4, 2, 2])

In [30]: id(temp)
Out[30]: 139962713524944

>>> a=np.array([5, 2, 7, 4, 4, 2, 8, 6, 4, 4])

>>> np.sort(a)
array([2, 2, 4, 4, 4, 4, 5, 6, 7, 8])

>>> -np.sort(-a)
array([8, 7, 6, 5, 4, 4, 4, 4, 2, 2])

Para matrizes curtas, sugiro usar np.argsort()encontrando os índices da matriz ordenada negativada, o que é um pouco mais rápido do que inverter a matriz classificada:

In [37]: temp = np.random.randint(1,10, 10)

In [38]: %timeit np.sort(temp)[::-1]
100000 loops, best of 3: 4.65 µs per loop

In [39]: %timeit temp[np.argsort(-temp)]
100000 loops, best of 3: 3.91 µs per loop

Infelizmente, quando você tem uma matriz complexa, só np.sort(temp)[::-1]funciona corretamente. Os dois outros métodos mencionados aqui não são eficazes.

Cuidado com as dimensões.

Deixei

x  # initial numpy array
I = np.argsort(x) or I = x.argsort() 
y = np.sort(x)    or y = x.sort()
z  # reverse sorted array

Full Reverse

z = x[-I]
z = -np.sort(-x)
z = np.flip(y)

• flipalterado em 1.15, versões anteriores necessárias . Solução: .1.14 axispip install --upgrade numpy

Primeira dimensão invertida

z = y[::-1]
z = np.flipud(y)
z = np.flip(y, axis=0)

Segunda dimensão invertida

z = y[::-1, :]
z = np.fliplr(y)
z = np.flip(y, axis=1)

Testando

Testando em uma matriz 100 × 10 × 10 1000 vezes.

Method       | Time (ms)
-------------+----------
y[::-1]      | 0.126659  # only in first dimension
-np.sort(-x) | 0.133152
np.flip(y)   | 0.121711
x[-I]        | 4.611778

x.sort()     | 0.024961
x.argsort()  | 0.041830
np.flip(x)   | 0.002026

Isso se deve principalmente à reindexação, e não a argsort.

# Timing code
import time
import numpy as np


def timeit(fun, xs):
    t = time.time()
    for i in range(len(xs)):  # inline and map gave much worse results for x[-I], 5*t
        fun(xs[i])
    t = time.time() - t
    print(np.round(t,6))

I, N = 1000, (100, 10, 10)
xs = np.random.rand(I,*N)
timeit(lambda x: np.sort(x)[::-1], xs)
timeit(lambda x: -np.sort(-x), xs)
timeit(lambda x: np.flip(x.sort()), xs)
timeit(lambda x: x[-x.argsort()], xs)
timeit(lambda x: x.sort(), xs)
timeit(lambda x: x.argsort(), xs)
timeit(lambda x: np.flip(x), xs)

Olá, eu estava procurando uma solução para reverter a classificação de um array numpy bidimensional e não consegui encontrar nada que funcionasse, mas acho que encontrei uma solução que estou enviando para o caso de alguém estar no mesmo barco.

x=np.sort(array)
y=np.fliplr(x)

np.sort classifica em ordem crescente, o que não é o que você deseja, mas o comando fliplr vira as linhas da esquerda para a direita! Parece funcionar!

Espero que te ajude!

Eu acho que é semelhante à sugestão sobre -np.sort (-a) acima, mas fiquei desanimado por comentar que nem sempre funciona. Talvez minha solução nem sempre funcione, no entanto, eu a testei com alguns arrays e parece estar OK.

Você pode classificar a matriz primeiro (crescente por padrão) e, em seguida, aplicar np.flip () ( https://docs.scipy.org/doc/numpy/reference/generated/numpy.flip.html )

Para sua informação, também funciona com objetos datetime.

Exemplo:

    x = np.array([2,3,1,0]) 
    x_sort_asc=np.sort(x) 
    print(x_sort_asc)

    >>> array([0, 1, 2, 3])

    x_sort_desc=np.flip(x_sort_asc) 
    print(x_sort_desc)

    >>> array([3,2,1,0])

Aqui está um truque rápido

In[3]: import numpy as np
In[4]: temp = np.random.randint(1,10, 10)
In[5]: temp
Out[5]: array([5, 4, 2, 9, 2, 3, 4, 7, 5, 8])

In[6]: sorted = np.sort(temp)
In[7]: rsorted = list(reversed(sorted))
In[8]: sorted
Out[8]: array([2, 2, 3, 4, 4, 5, 5, 7, 8, 9])

In[9]: rsorted
Out[9]: [9, 8, 7, 5, 5, 4, 4, 3, 2, 2]

eu sugiro usar isso ...

np.arange(start_index, end_index, intervals)[::-1]

por exemplo:

np.arange(10, 20, 0.5)
np.arange(10, 20, 0.5)[::-1]

Em seguida, seu novo ataque:

[ 19.5,  19. ,  18.5,  18. ,  17.5,  17. ,  16.5,  16. ,  15.5,
    15. ,  14.5,  14. ,  13.5,  13. ,  12.5,  12. ,  11.5,  11. ,
    10.5,  10. ]