NumPy排序问题

后端开发 2026-07-11

我写了一个代码能够从CSV文件将值导入Python。我会把数据分成若干阶段处理，一切都很顺利，直到我决定对它进行排序。

原始数据集，a 读取为：

a = ['27622000' '21731000' '15969000' '10795000' '6740700' '3914000' '2119400'
 '1105000' '584200' '293420' '7836700' '4577100' '2502800' '1307700'
 '662020' '328020' '159110' '76451' '36528' '17000' '1097400' '542300'
 '264240' '127210' '60799' '28603' '13239' '5932.7' '2546.4' '1035.4'
 '148800' '70291' '32856' '15083' '6772.4' '2912.1' '1198.4' '465.64'
 '170.48' '57.957' '23321' '10567' '4669.8' '1980.7' '799.96' '305.02'
 '108.46' '35.823' '10.317' '2.6763' '4281.1' '1804.6' '727.56' '277.04'
 '98.374' '31.673' '9.0643' '2.3084' '0.56351' '0.15655' '800.37' '330.07'
 '119.93' '38.918' '11.377' '2.998' '0.73989' '0.19126' '0.060255'
 '0.025337' '167.43' '58.87' '18.492' '4.9108' '1.2305' '0.3694' '0.12245'
 '0.048883' '0.018582' '0.012778' '11.358' '5.6482' '1.868' '0.35063'
 '0.16371' '0.12595' '0.069311' '0.036627' '0.016214' '0.0083006' '0' '0'
 '0' '0' '0.019067' '0.085504' '0.051517' '0.026125' '0.012807'
 '0.0059197']

如果我检查a 的类型，输出将显示为：

print(type(a))

接着输出为：

<class 'numpy.ndarray'>

如果我用以下函数对它进行排序：

a_sorted = np.ndarray.sort(a)

输出将变为：

a_sorted = ['0' '0' '0' '0' '0.0059197' '0.0083006' '0.012778' '0.012807' '0.016214'
 '0.018582' '0.019067' '0.025337' '0.026125' '0.036627' '0.048883'
 '0.051517' '0.060255' '0.069311' '0.085504' '0.12245' '0.12595' '0.15655'
 '0.16371' '0.19126' '0.35063' '0.3694' '0.56351' '0.73989' '1.2305'
 '1.868' '10.317' '1035.4' '10567' '10795000' '108.46' '1097400' '11.358'
 '11.377' '1105000' '119.93' '1198.4' '127210' '1307700' '13239' '148800'
 '15083' '159110' '15969000' '167.43' '170.48' '17000' '18.492' '1804.6'
 '1980.7' '2.3084' '2.6763' '2.998' '2119400' '21731000' '23321' '2502800'
 '2546.4' '264240' '27622000' '277.04' '28603' '2912.1' '293420' '305.02'
 '31.673' '328020' '32856' '330.07' '35.823' '36528' '38.918' '3914000'
 '4.9108' '4281.1' '4577100' '465.64' '4669.8' '5.6482' '542300' '57.957'
 '58.87' '584200' '5932.7' '60799' '662020' '6740700' '6772.4' '70291'
 '727.56' '76451' '7836700' '799.96' '800.37' '9.0643' '98.374']

它确实能把其中一些排序得非常好，但有些却出于某些原因没有排序好。看起来排序函数似乎只看前面的数字，却没有把 "." 考虑在内。我到底错在了哪里？

解决方案

正如评论中所提到的，在排序之前把数据从字符串转换为浮点数，以获得数值排序而非字典序排序。

对于NumPy数组，不仅它本身的类型重要（type(a)），它的值的数据类型（a.dtype）也同样关键：如果你不是（或除了）写成 print(type(a))，而改成写成 print(a.dtype)，你很可能会看到结果 <U32，这表明你的数组包含字符串（最大长度32的小端Unicode序列，更准确地说）。字符串是按字典序排序的，例如，以 1 开头的值总是在以 2 开头的值之前排序，无论前者是否真正是 100，后者是否真正是 20。

使用 np.asarray(a, dtype=float) 或 a.astype(float)，你可以把数组内容转换为浮点数（print(a.dtype) 现在将产生 float64），排序现在就会在真正期望的数值顺序下进行（在这里，我需要使用 np.asarray()，因为在我的情况下，a 是一个列表而不是NumPy数组）：

import numpy as np

a = ['27622000','21731000','15969000','10795000','6740700','3914000','2119400',
 '1105000','584200','293420','7836700','4577100','2502800','1307700',
 '662020','328020','159110','76451','36528','17000','1097400','542300',
 '264240','127210','60799','28603','13239','5932.7','2546.4','1035.4',
 '148800','70291','32856','15083','6772.4','2912.1','1198.4','465.64',
 '170.48','57.957','23321','10567','4669.8','1980.7','799.96','305.02',
 '108.46','35.823','10.317','2.6763','4281.1','1804.6','727.56','277.04',
 '98.374','31.673','9.0643','2.3084','0.56351','0.15655','800.37','330.07',
 '119.93','38.918','11.377','2.998','0.73989','0.19126','0.060255',
 '0.025337','167.43','58.87','18.492','4.9108','1.2305','0.3694','0.12245',
 '0.048883','0.018582','0.012778','11.358','5.6482','1.868','0.35063',
 '0.16371','0.12595','0.069311','0.036627','0.016214','0.0083006','0','0',
 '0','0','0.019067','0.085504','0.051517','0.026125','0.012807',
 '0.0059197']

a = np.sort(np.asarray(a, dtype=float))  # Use float data type
with np.printoptions(suppress=True):  # Suppress scientific notation
    print(a)
# [       0.               0.               0.               0.
#         0.0059197        0.0083006        0.012778         0.012807
#         0.016214         0.018582         0.019067         0.025337
#         0.026125         0.036627         0.048883         0.051517
#         0.060255         0.069311         0.085504         0.12245
#         0.12595          0.15655          0.16371          0.19126
#         0.35063          0.3694           0.56351          0.73989
#         1.2305           1.868            2.3084           2.6763
#         2.998            4.9108           5.6482           9.0643
#        10.317           11.358           11.377           18.492
#        31.673           35.823           38.918           57.957
#        58.87            98.374          108.46           119.93
#       167.43           170.48           277.04           305.02
#       330.07           465.64           727.56           799.96
#       800.37          1035.4           1198.4           1804.6
#      1980.7           2546.4           2912.1           4281.1
#      4669.8           5932.7           6772.4          10567.
#     13239.           15083.           17000.           23321.
#     28603.           32856.           36528.           60799.
#     70291.           76451.          127210.          148800.
#    159110.          264240.          293420.          328020.
#    542300.          584200.          662020.         1097400.
#   1105000.         1307700.         2119400.         2502800.
#   3914000.         4577100.         6740700.         7836700.
#  10795000.        15969000.        21731000.        27622000.       ]

或者，你也许已经想在加载CSV时就确保值是浮点数而不是字符串。我不知道你的原始CSV文件长什么样、你使用的CSV加载方式是什么，但无论如何，一些常用的库已经提供了相关功能：

两者 [numpy.genfromtxt()] 以及 [pandas.read_csv()] 提供一个 dtype 参数，在必要时强制执行某种数据类型的解释。
内置的 csv 模块提供 QUOTE_NONNUMERIC 标志（[csv.reader(…, quoting=csv.QUOTE_NONNUMERIC)]）：

从CSV文件读取的每一行都会作为一个字符串列表返回。除非指定QUOTE_NONNUMERIC格式选项，否则不会进行自动数据类型转换（在这种情况下，未带引号的字段将转换为浮点数）