根据行逐步对 Numpy Python 矩阵进行排序

我四处寻找并试图找到解决这个看似简单问题的方法，但一无所获。问题是根据矩阵的列逐步对矩阵进行排序。所以，如果我有一个像这样的 numpy 矩阵：

import numpy as np
X=np.matrix([[0,0,1,2],[0,0,1,1],[0,0,0,4],[0,0,0,3],[0,1,2,5]])
print(X)
[[0 0 1 2]
 [0 0 1 1]
 [0 0 0 4]
 [0 0 0 3]
 [0 1 2 5]]

我想根据第一列对其进行排序，然后是第二列、第三列等等，以获得如下结果：

Xsorted=np.matrix([[0,0,0,3],[0,0,0,4],[0,0,1,1],[0,0,1,2],[0,1,2,5]])
print(Xsorted)
[[0,0,0,3]
 [0,0,0,4]
 [0,0,1,1]
 [0,0,1,2]
 [0,1,2,5]]

虽然我认为可以通过命名列等对这样的矩阵进行排序，但我更希望有一种不太依赖于矩阵有多大的排序方法。我正在使用 Python 3.4，如果这很重要的话。

任何帮助将不胜感激！

它不会特别快，但您始终可以将行转换为元组，然后使用 Python 的排序：

np.matrix(sorted(map(tuple, X.A)))

您还可以使用np.lexsort，如建议的这个答案 https://stackoverflow.com/a/26036376/10601 to a 有点相关的问题 https://stackoverflow.com/q/2706605/10601:

X[np.lexsort(X.T[::-1])]

lexsort 方法似乎更快，但您应该使用实际数据进行测试以确保：

In [20]: X = np.matrix(np.random.randint(10, size=(100,100)))

In [21]: %timeit np.matrix(sorted(map(tuple, X.A)))
100 loops, best of 3: 2.23 ms per loop

In [22]: %timeit X[np.lexsort(X.T[::-1])]
1000 loops, best of 3: 1.22 ms per loop