numpy主要有两大类：narray和matrix(或简写mat),他们都有排序方法sort()和argsort()

这两个函数，默认都是按照纵轴切分数据，然后在各自切分的数据上进行从小到大排序。

sort()

会改变原有变量的数据存放，若是不想改变的话，可以使用copy()，即narray.copy()和matrix.copy()，复制一份新的数据到变量上。举例：

rawDataMat =mat([

[1, 2, 10],

[12, 5, 12],

[21, 3, 1],

[4, 8, 2],

[7, 10, 13],

[6, 9, 5]])print('rawDataMat\n{0}'.format(rawDataMat))

sortIndexData=rawDataMat.sort(0)print('sortData\n{0}'.format(rawDataMat))---------------------------------------------------------------------返回值：

rawDataMat

[[1 2 10]

[12 5 12]

[21 3 1]

[4 8 2]

[7 10 13]

[6 9 5]]

sortData

[[1 2 1]

[4 3 2]

[6 5 5]

[7 8 10]

[12 9 12]

[21 10 13]]

sort(0):在横轴上切分，对每个切分列进行从小到大排列；

若是sort():在纵轴上切分，对每个切分行(即每一个行)从小到大排列。

默认是行数据，从小到大排列

argsort()

不会改变原来变量的数据存放，而是获得原来变量的数据索引值，可以对array和matrix进行处理。

argsort(0):对每列取从小到大排列的对应索引值，

argsort():对每行取从小到大排列的对应索引值，

默认是行数据的从小到大排列的索引值，示例如下：

rawDataMat =mat([

[1, 2, 10],

[12, 5, 12],

[21, 3, 1],

[4, 8, 2],

[7, 10, 13],

[6, 9, 5]])print('rawDataMat\n{0}'.format(rawDataMat))#0-按横轴，切分

sortIndex0 =rawDataMat.argsort(0)print('sortIndex0\n{0}'.format(sortIndex0))#默认按列轴切分，在切分方向上从小到大排列，给出indices

sortIndex =rawDataMat.argsort()print('sortIndex\n{0}'.format(sortIndex))---------------------------------------------------------结果：

rawDataMat

[[1 2 10]

[12 5 12]

[21 3 1]

[4 8 2]

[7 10 13]

[6 9 5]]

sortIndex0

[[0 02]

[3 2 3]

[5 1 5]

[4 30]

[1 5 1]

[2 4 4]]

sortIndex

[[01 2]

[1 0 2]

[2 10]

[2 0 1]

[01 2]

[2 0 1]]

若原矩阵按索引值来获取排序值的话，则从小到大的数据以对角线上的值为起点，按左到右顺序取列数据。示例：

rawDataMat =mat([

[1, 2, 10],

[12, 5, 12],

[21, 3, 1],

[4, 8, 2],

[7, 10, 13],

[6, 9, 5]])print('rawDataMat\n{0}'.format(rawDataMat))#0-按横轴，切分

sortIndex0 =rawDataMat.argsort(0)print('sortIndex0\n{0}'.format(sortIndex0))

sortDataMat=rawDataMat[sortIndex0]print('sortDataMat\n{0}'.format(sortDataMat))-------------------------------------结果为：

rawDataMat

[[1 2 10]

[12 5 12]

[21 3 1]

[4 8 2]

[7 10 13]

[6 9 5]]

sortIndex0

[[0 02]

[3 2 3]

[5 1 5]

[4 30]

[1 5 1]

[2 4 4]]

sortDataMat

[[[1 2 10]

[1 2 10]

[21 3 1]]

[[4 8 2]

[21 3 1]

[4 8 2]]

[[6 9 5]

[12 5 12]

[6 9 5]]

[[7 10 13]

[4 8 2]

[1 2 10]]

[[12 5 12]

[6 9 5]

[12 5 12]]

[[21 3 1]

[7 10 13]

[7 10 13]]]

此时sortDataMat会增加维度，此处为(6,3,3)有没有什么好的方法，可以降维呢？方法如下：

sortColumnMat =sortDataMat[:, 0, 0]#sortColumnMat = sortDataMat[:, 1, 1]

#sortColumnMat = sortDataMat[:, 2, 2]

print('sortColumnMat\n{0}'.format(sortColumnMat))print(sortColumnMat.shape)------------------------------------结果：

sortColumnMat

[[1]

[4]

[6]

[7]

[12]

[21]]

(6, 1)

以上，可以得到排序的各个列，我们还可以优化代码，示例如下：

featCount = sortDataMat.shape[-1]for i inrange(featCount):

sortColumnMat=sortDataMat[:, i, i]print('sortColumnMat第{0}列，内容为:\n{1}'.format(i, sortColumnMat))---------------------------------------------结果：

sortColumnMat第0列，内容为:

[[1]

[4]

[6]

[7]

[12]

[21]]

sortColumnMat第1列，内容为:

[[2]

[3]

[5]

[8]

[9]

[10]]

sortColumnMat第2列，内容为:

[[1]

[2]

[5]

[10]

[12]

[13]]

到此，我们可以根据argsort(0)，正常获得各个列的从小到大的排序数据。我们还可以利用flatten来减少矩阵的行，实现降维，然后将矩阵转化为数据，示例：

featCount = sortDataMat.shape[-1]for i inrange(featCount):

sortColumnMat=sortDataMat[:, i, i]#print('sortColumnMat第{0}列，内容为:\n{1}'.format(i, sortColumnMat))

sortDataList =sortColumnMat.flatten().A[0]print('sortDataList，第{0}列对应的数组数据为：{1},类型为：{2}'.format(i, sortDataList, type(sortDataList)))--------------------------------结果：

sortDataList，第0列对应的数组数据为：[ 1 4 6 7 12 21], 类型为：

sortDataList，第1列对应的数组数据为：[ 2 3 5 8 9 10], 类型为：

sortDataList，第2列对应的数组数据为：[ 1 2 5 10 12 13], 类型为：

利用flatten()降维到一行数据，然后利用A转化为数组，[0]表示取里面的第一个数据，该数据类型为numpy的数组ndarray