根据文档，numpy 中没有就地排列方法，例如ndarray.sort。

所以你的选择是（假设这M是一个$N\times N$矩阵和p置换向量）

1. 在 C 中实现自己的算法作为扩展模块（但就地算法很难，至少对我来说！）

2. $N$内存开销

   for i in range(N):
       M[:,i] = M[p,i]
   for i in range(N):
       M[i,:] = M[i,p]
   

3. $N^2$内存开销

   M[:,:] = M[p,:]
   M[:,:] = M[:,p]
   

希望这些次优的技巧有用。

警告：下面的示例可以正常工作，但是使用后期建议的完整参数集会暴露一个错误，或者至少是 numpy.take() 函数中的“未记录的功能”。有关详细信息，请参阅下面的评论。 已提交错误报告。

您可以使用numpy 的 take() 函数就地执行此操作，但它需要一些箍跳。

这是对单位矩阵的行进行随机排列的示例：

import numpy as np
i = np.identity(10)
rr = range(10)
np.random.shuffle(rr)
np.take(i, rr, axis=0)
array([[ 0.,  1.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.],
       [ 0.,  0.,  0.,  0.,  0.,  1.,  0.,  0.,  0.,  0.],
       [ 0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  1.,  0.],
       [ 0.,  0.,  0.,  0.,  0.,  0.,  1.,  0.,  0.,  0.],
       [ 0.,  0.,  0.,  1.,  0.,  0.,  0.,  0.,  0.,  0.],
       [ 0.,  0.,  0.,  0.,  1.,  0.,  0.,  0.,  0.,  0.],
       [ 0.,  0.,  0.,  0.,  0.,  0.,  0.,  1.,  0.,  0.],
       [ 1.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.],
       [ 0.,  0.,  1.,  0.,  0.,  0.,  0.,  0.,  0.,  0.],
       [ 0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  1.]])

要就地执行此操作，您需要做的就是将“out”参数指定为与输入数组相同，并且您必须设置 mode="clip" 或 mode="wrap"。如果您不设置模式，它将制作一个副本以在 Python 异常上恢复数组状态（请参见此处）。

最后一点， take 似乎是一个数组方法，所以不是

np.take(i, rr, axis=0)

你可以打电话

i.take(rr, axis=0)

如果这更符合您的口味。因此，总的来说，您调用的内容应如下所示：

#Inplace Rearrange
arr = makeMyBixMatrix()
pVec0, pVec1 = calcMyPermutationVectors()
arr.take(pVec0, axis=0, out=arr, mode="clip")
arr.take(pVec1, axis=1, out=arr, mode="clip")

要置换行和列，我认为您要么必须运行它两次，要么使用numpy.unravel_index拉一些丑陋的恶作剧，这让我头疼。

如果您有一个以COO格式存储的稀疏矩阵，以下内容可能会有所帮助

    A.row = perm[A.row];
    A.col = perm[A.col];

假设A包含COO矩阵，并且perm是numpy.array包含排列的。这只会有$m$内存开销，其中$m$是矩阵的非零元素的数量。

我没有足够的声誉发表评论，但我认为以下 SO 问题可能会有所帮助：https ://stackoverflow.com/questions/4370745/view-onto-a-numpy-array

基本点是您可以使用基本切片，这将在不复制的情况下创建数组视图，但如果您进行高级切片/索引，那么它将创建一个副本。