整理了一下一行数据的排序和得出序号的各类方法，包括正序和倒序。当然还有pandas包的sort_value和sort_index两个method没有包含在这里。如果是多维的数据，需要将axis=0或者1包含进去。
import numpy as npimport pandas as pd# =============================================================================a = np.array([0.8, 0.2, 0.9, 0.1])a.sort()# 将a变成排好序的array #不会输出结果 #直接更改arrayprint(a)# 结果显示为 [0.1 0.2 0.8 0.9]# =============================================================================a = np.array([0.8, 0.2, 0.9, 0.1])sorted(a)# 输出结果[0.1 0.2 0.8 0.9] # 但a不会变print(a)# 结果依然为[0.8 0.2 0.9 0.1]# =============================================================================np.argsort(a)# 结果为 array([3, 1, 0, 2])# 这个显示的是，如果排好序，排成[0.1 0.2 0.8 0.9]的样子，这些value在原来的array中的index是多少# =============================================================================np.argsort(np.argsort(a))# 结果为 array([2, 1, 3, 0])# 这个显示的是，按照原来在array中出现的顺序[0.8, 0.2, 0.9, 0.1]，如果排序，各个位置上相应的value在序列中的序号是多少# =============================================================================#pd包中类似的pd.DataFrame(a).rank()# 结果如下，这个直接是其序号，从1开始，不是像np包中，从0开始# =============================================================================# 0# 0 3.0# 1 2.0# 2 4.0# 3 1.0# =============================================================================# =============================================================================# 上面结果跟下面这个相同np.argsort(np.argsort(a)) +1# 结果为 array([3, 2, 4, 1])# =============================================================================np.argsort(np.argsort(-a))# 这个是倒序排序的序号# =============================================================================# 排序的另一种方法，正序a[np.argsort(a)]# 结果为array([0.1, 0.2, 0.8, 0.9])# =============================================================================# 排序的另一种方法，倒序a[np.argsort(-a)]# 结果为array([0.9, 0.8, 0.2, 0.1])