为什么经过两次np.argsort就能得到当前位置的值在整体中的排序？

0.个人理解

argsort函数作用，得到矩阵中值的升序排列的位置所在序号

对矩阵a进行第一次使用argsort函数，得到b升序值位置所在序号（包含连续变化的大小关系，去掉了原本的数字含义，具有两个信息：升序+位置信息）；

对矩阵进行第二次使用argsort函数，得所在位置值的排序序号c；

对矩阵进行第三次使用argsort函数，与第一次所得结果一致d；

由于第一次获的了升序序列的位置序号，第二次排序的时候会根据根据这些序号（包含连续变化的大小关系，去掉了原本的数字含义），对位置进行还原

F(a)=b;F(b)=c;F(c)=d=b.

1. argsort 的基本概念：

在 numpy 中，argsort 返回的是一个索引数组，这个数组表示将原始数据排序后的索引位置。具体来说，argsort 会将原始数组排序，并返回排序后每个元素在原始数组中的索引位置。

例如，假设有以下数组：

import numpy as np

arr = np.array([4, 2, 3, 1])

sorted_indices = np.argsort(arr)

sorted_indices 将返回 array([3, 1, 2, 0])，表示将 arr 排序后，每个元素的位置在原数组中的索引。排序后的数组是 [1, 2, 3, 4]，所以：

• 1 在原数组中的索引是 3
• 2 在原数组中的索引是 1
• 3 在原数组中的索引是 2
• 4 在原数组中的索引是 0

• 2. 为什么使用两次 argsort：

在 DECD 函数中，我们使用了两次 argsort 来获取两个不同的排序信息。

第一次 argsort：排序目标解的目标值

SortedC = np.sort(Costs, axis=0) 
SortedI = np.argsort(Costs, axis=0)

SortedC 是对目标解 ，Costs 按每个目标的维度（列）进行排序后的结果，得到的是目标值排序后的数组。

SortedI 是 argsort(Costs, axis=0)，返回的是原始解数组中每个解的索引，表示这些解在每个目标维度上的排序顺序。