np.sort()返回排序后数组，np.argsort()返回升序索引；二者默认按最后一维（行）升序排，arr.sort()原地修改且返回None，误赋值将导致变量为None；argsort索引可用于重排任意同形数组，是其核心优势。
直接说结论：用 np.sort() 得排序后数组，用 np.argsort() 得排序索引；二者默认都按最后一维（行内）升序排，但 sort() 会原地修改（若作用于 ndarray 实例方法），而 argsort() 总是返回新数组。
为什么 arr.sort() 有时没反应？
因为 arr.sort() 是就地排序，不返回值（返回 None），如果写成 sorted_arr = arr.sort()，sorted_arr 就是 None，而 arr 本身已被改 —— 这是新手最常踩的坑。
- 要原地排序且不关心原数组：直接调
arr.sort()，别赋值 - 要保留原数组、拿到新排序数组：用函数式接口
np.sort(arr) -
np.sort()和arr.sort()行为一致，只是前者返回副本，后者改原数组 - 多维时，默认
axis=-1（即对每行排序）；想按列排得显式写axis=0
argsort 返回的索引到底怎么用？
np.argsort() 不动原数据，只返回“把原数组排好序所需的下标位置”。它返回的是一组整数索引，可用于重排任意同形状数组 —— 这是它比 sort 更灵活的核心价值。
- 一维示例：
x = np.array([3, 1, 4]); idx = np.argsort(x)→idx是[1, 0, 2]，那么x[idx]就等于np.sort(x) - 二维按行排序索引：
idx = np.argsort(arr, axis=1)，此时np.take_along_axis(arr, idx, axis=1)才等价于np.sort(arr, axis=1)（注意：不能直接用arr[idx]，维度不匹配） - 常用组合：按某列值排序整个二维表，如
idx = np.argsort(table[:, 2])，再用table[idx]重排整张表
升序/降序与稳定排序怎么控制？
np.sort() 和 np.argsort() 都支持 kind 和 order 参数，但日常最需关注的是降序和稳定性。
立即学习“Python免费学习笔记（深入）”；
- 降序：没有直接
reverse=True，得用切片反转或负号技巧。推荐np.argsort(-arr)（数值型）或np.argsort(arr)[::-1]（通用） - 稳定排序：默认
kind='quicksort'不稳定；需稳定时传kind='mergesort'或kind='stable'（NumPy ≥ 1.15） - 结构化数组排序：用
order指定字段名，如np.sort(data, order='score') - 性能提示：稳定排序比快排慢 20–30%，仅当相等元素相对顺序必须保留时才启用
真正容易被忽略的是轴向行为和索引复用场景——比如对二维数组调 argsort(axis=0) 后得到的索引形状仍是二维，但直接用它花式索引时极易因维度错位报 IndexError；这时候该用 np.take_along_axis() 而不是手写花式索引。
