排序是数据处理和分析中的基本操作。虽然 NumPy 提供了高效的内置排序函数（如 numpy.sort 和 numpy.argsort），但有时需要实现自定义的排序逻辑，以满足特定需求，例如对数组中的特定列、组合条件或自定义顺序进行排序。

NumPy 内置排序方法在开始自定义排序算法之前，先了解 NumPy 提供的内置排序功能：

numpy.sort：对数组进行排序，默认沿最后一个轴进行排序。numpy.argsort：返回排序后的索引。numpy.lexsort：用于基于多个键的排序。使用 NumPy 内置排序方法代码语言：javascript代码运行次数：0运行复制import numpy as np

# 一维数组排序

arr = np.array([3, 1, 4, 1, 5, 9])

sorted_arr = np.sort(arr)

print("排序后的数组：", sorted_arr)

# 二维数组按列排序

arr2d = np.array([[3, 7], [1, 9], [4, 6]])

sorted_arr2d = np.sort(arr2d, axis=0)

print("二维数组按列排序：\n", sorted_arr2d)

输出：

代码语言：javascript代码运行次数：0运行复制排序后的数组： [1 1 3 4 5 9]

二维数组按列排序：

[[1 6]

[3 7]

[4 9]]

这些方法对常见的排序任务非常高效，但当需要复杂逻辑时，可以基于 NumPy 实现自定义排序算法。

自定义排序算法实现自定义排序算法可以通过以下几种方式实现：

方法一：基于索引的排序可以通过 numpy.argsort 获取排序后的索引，然后根据这些索引重新排列数组。

代码语言：javascript代码运行次数：0运行复制# 自定义权重

weights = np.array([2, 3, 1, 5])

# 数组排序

arr = np.array([10, 20, 30, 40])

# 获取按权重排序的索引

sorted_indices = np.argsort(weights)

# 根据索引重排数组

sorted_arr = arr[sorted_indices]

print("按权重排序后的数组：", sorted_arr)

输出：

代码语言：javascript代码运行次数：0运行复制按权重排序后的数组： [30 10 20 40]

方法二：基于条件的排序自定义排序逻辑可以通过 NumPy 的布尔索引和矢量化函数实现。

将数组中的偶数放在前面，奇数放在后面，同时保持每部分的升序。

代码语言：javascript代码运行次数：0运行复制# 自定义数组

arr = np.array([9, 4, 1, 6, 8, 3, 7])

# 偶数部分

evens = np.sort(arr[arr % 2 == 0])

# 奇数部分

odds = np.sort(arr[arr % 2 != 0])

# 合并结果

custom_sorted = np.concatenate((evens, odds))

print("按奇偶性排序后的数组：", custom_sorted)

输出：

代码语言：javascript代码运行次数：0运行复制按奇偶性排序后的数组： [4 6 8 1 3 7 9]

方法三：多键排序多键排序类似于数据库中的多列排序，可以通过 numpy.lexsort 实现。

代码语言：javascript代码运行次数：0运行复制# 创建二维数组

arr = np.array([

[10, 20],

[5, 30],

[10, 10],

[5, 20]

])

# 按第1列和第0列排序

sorted_indices = np.lexsort((arr[:, 0], arr[:, 1]))

sorted_arr = arr[sorted_indices]

print("按多个键排序后的数组：\n", sorted_arr)

输出：

代码语言：javascript代码运行次数：0运行复制按多个键排序后的数组：

[[10 10]

[5 20]

[10 20]

[5 30]]

方法四：自定义排序函数通过 NumPy 的 vectorize 和 argsort，可以定义更加复杂的排序逻辑。

代码语言：javascript代码运行次数：0运行复制# 定义数组

arr = np.array([-10, 5, -3, 8, -2])

# 获取按绝对值排序的索引

sorted_indices = np.argsort(np.abs(arr))

# 根据索引重排数组

sorted_arr = arr[sorted_indices]

print("按绝对值排序后的数组：", sorted_arr)

输出：

代码语言：javascript代码运行次数：0运行复制按绝对值排序后的数组： [-2 -3 5 8 -10]

自定义排序的实际应用应用一：字符串数组排序对于字符串数组，可以按长度或特定字符排序。

代码语言：javascript代码运行次数：0运行复制# 定义字符串数组

strings = np.array(["apple", "pear", "banana", "cherry"])

# 按字符串长度排序

sorted_indices = np.argsort([len(s) for s in strings])

sorted_strings = strings[sorted_indices]

print("按长度排序后的字符串数组：", sorted_strings)

输出：

代码语言：javascript代码运行次数：0运行复制按长度排序后的字符串数组： ['pear' 'apple' 'cherry' 'banana']

应用二：复杂数据结构排序对于包含多个字段的结构化数组，可以基于指定字段进行排序。

代码语言：javascript代码运行次数：0运行复制# 定义结构化数组

data = np.array([

(1, 'Alice', 25),

(2, 'Bob', 30),

(3, 'Charlie', 20)

], dtype=[('id', 'i4'), ('name', 'U10'), ('age', 'i4')])

# 按 age 字段排序

sorted_data = np.sort(data, order='age')

print("按年龄排序后的数据：", sorted_data)

输出：

代码语言：javascript代码运行次数：0运行复制按年龄排序后的数据：

[(3, 'Charlie', 20) (1, 'Alice', 25) (2, 'Bob', 30)]

应用三：矩阵按行或列排序代码语言：javascript代码运行次数：0运行复制# 创建矩阵

matrix = np.array([

[5, 4, 3],

[2, 8, 7],

[1, 6, 9]

])

# 按每行的最大值排序

sorted_indices = np.argsort(matrix.max(axis=1))

sorted_matrix = matrix[sorted_indices]

print("按每行最大值排序后的矩阵：\n", sorted_matrix)

输出：

代码语言：javascript代码运行次数：0运行复制按每行最大值排序后的矩阵：

[[5 4 3]

[2 8 7]

[1 6 9]]

实现自定义排序算法实现冒泡排序代码语言：javascript代码运行次数：0运行复制# 自定义冒泡排序

def bubble_sort(arr):

n = len(arr)

for i in range(n):

for j in range(0, n-i-1):

if arr[j] > arr[j+1]:

arr[j], arr[j+1] = arr[j+1], arr[j]

return arr

# 测试自定义排序

arr = np.array([64, 34, 25, 12, 22, 11, 90])

sorted_arr = bubble_sort(arr.copy())

print("冒泡排序结果：", sorted_arr)

输出：

代码语言：javascript代码运行次数：0运行复制冒泡排序结果： [11 12 22 25 34 64 90]

虽然 NumPy 已有高效的排序方法，但通过这种方式，可以实现特定的排序逻辑。

总结本文详细介绍了 Python NumPy 中实现自定义排序算法的方法，包括基于索引、条件、多键排序以及自定义函数的排序。通过这些方法，可以灵活地满足不同场景下的排序需求。

此外，本文还结合实际案例展示了字符串排序、复杂数据结构排序以及矩阵排序的高级用法。掌握这些技巧，不仅能提高代码的灵活性和效率，还能解决更复杂的数据处理问题。在实际工作中，合理选择合适的排序方法，可以显著优化数据处理流程。