y

NumPy proporciona varios métodos de ordenamiento. Estas funciones de ordenamiento implementan diferentes algoritmos de ordenamiento, cada algoritmo se caracteriza por la velocidad de ejecución, el rendimiento en el peor caso, el espacio de trabajo requerido y la estabilidad del algoritmo. La siguiente tabla muestra una comparación de los tres algoritmos de ordenamiento.

Tipo Velocidad Peor caso Espacio de trabajo Estabilidad
'quicksort'(ordenamiento rápido) 1 O(n^2) 0 no
'mergesort'(ordenamiento por mezcla) 2 O(n*log(n)) ~n/2 Sí
'heapsort'(ordenamiento por montones) 3 O(n*log(n)) 0 no

numpy.sort()

La función numpy.sort() devuelve una copia ordenada del array de entrada. El formato de la función es el siguiente:

numpy.sort(a, axis, kind, order)

Descripción de parámetros:

  • a: el array a ordenar
  • axis: el eje a lo largo del cual ordenar el array; si no se proporciona, el array se aplana y se ordena a lo largo del último eje. axis=0 ordena por columnas, axis=1 ordena por filas.
  • kind: por defecto es 'quicksort' (ordenamiento rápido)
  • order: si el array contiene campos, es el campo por el que se ordena

respectivamente.

import numpy as np a = np.array([[3,7],[9,1]]) print ('Nuestro array es:') print (a) print ('\n') print ('Llamando a la función sort():') print (np.sort(a)) print ('\n') print ('Ordenando por columnas:') print (np.sort(a, axis = 0)) print ('\n') # ordenar campos en la función sort dt = np.dtype([('name', 'S10'),('age', int)]) a = np.array([("raju",21),("anil",25),("ravi", 17), ("amar",27)], dtype = dt) print ('Nuestro array es:') print (a) print ('\n') print ('Ordenando por name:') print (np.sort(a, order = 'name'))

El resultado es:

我们的数组是:
[[3 7]
 [9 1]]


调用 sort() 函数:
[[3 7]
 [1 9]]


按列排序:
[[3 1]
 [9 7]]


我们的数组是:
[(b'raju', 21) (b'anil', 25) (b'ravi', 17) (b'amar', 27)]


按 name 排序:
[(b'amar', 27) (b'anil', 25) (b'raju', 21) (b'ravi', 17)]

numpy.argsort()

La función numpy.argsort() devuelve los índices de los valores del array de menor a mayor.

Ejemplo

import numpy as np x = np.array([3, 1, 2]) print ('Nuestro array es:') print (x) print ('\n') print ('Llamando a la función argsort() sobre x:') y = np.argsort(x) print (y) print ('\n') print ('Reconstruyendo el array original en orden ordenado:') print (x[y]) print ('\n') print ('Reconstruyendo el array original con un bucle:') for i in y: print (x[i], end=" ")

El resultado es:

我们的数组是:
[3 1 2]


对 x 调用 argsort() 函数:
[1 2 0]


以排序后的顺序重构原数组:
[1 2 3]


使用循环重构原数组

1 2 3

numpy.lexsort()

numpy.lexsort() se utiliza para ordenar múltiples secuencias. Imagínalo como ordenar una hoja de cálculo: cada columna representa una secuencia, y al ordenar se priorizan las columnas posteriores.

Aquí hay un escenario de aplicación: en el examen de transición de primaria a secundaria, los estudiantes de la clase clave se admiten según la puntuación total. Cuando las puntuaciones totales son iguales, se admite primero a los que tienen una puntuación más alta en matemáticas; cuando tanto la puntuación total como la de matemáticas son iguales, se admite según la puntuación de inglés... Aquí, la puntuación total está en la última columna de la hoja de cálculo, la de matemáticas en la penúltima y la de inglés en la antepenúltima.

Ejemplo

import numpy as np nm = ('raju','anil','ravi','amar') dv = ('f.y.', 's.y.', 's.y.', 'f.y.') ind = np.lexsort((dv,nm)) print ('Llamando a la función lexsort():') print (ind) print ('\n') print ('Usando este índice para obtener los datos ordenados:') print ([nm[i] + ", " + dv[i] for i in ind])

El resultado es:

调用 lexsort() 函数:
[3 1 0 2]


使用这个索引来获取排序后的数据:
['amar, f.y.', 'anil, s.y.', 'raju, f.y.', 'ravi, s.y.']

Lo que se pasó a np.lexsort arriba es una tupla. Al ordenar, primero se ordena nm, en el orden: amar, anil, raju, ravi. En resumen, el resultado del ordenamiento es [3 1 0 2].

msort、sort_complex、partition、argpartition

FunciónDescripción
msort(a)Ordena el array a lo largo del primer eje y devuelve una copia ordenada del array. np.msort(a) es equivalente a np.sort(a, axis=0).
sort_complex(a) Ordena números complejos primero por la parte real y luego por la parte imaginaria.
partition(a, kth[, axis, kind, order]) Especifica un número para particionar el array.
argpartition(a, kth[, axis, kind, order]) Se puede especificar el algoritmo mediante la palabra clave kind para particionar el array a lo largo del eje especificado.

Ordenamiento de números complejos:

>>> import numpy as np
>>> np.sort_complex([5, 3, 6, 2, 1])
array([ 1.+0.j,  2.+0.j,  3.+0.j,  5.+0.j,  6.+0.j])
>>>
>>> np.sort_complex([1 + 2j, 2 - 1j, 3 - 2j, 3 - 3j, 3 + 5j])
array([ 1.+2.j,  2.-1.j,  3.-3.j,  3.-2.j,  3.+5.j])

Ordenamiento por partición con partition():

>>> a = np.array([3, 4, 2, 1])
>>> np.partition(a, 3)  # 将数组 a 中所有元素(包括重复元素)从小到大排列,3 表示的是排序数组索引为 3 的数字,比该数字小的排在该数字前面,比该数字大的排在该数字的后面
array([2, 1, 3, 4])
>>>
>>> np.partition(a, (1, 3)) # 小于 1 的在前面,大于 3 的在后面,1和3之间的在中间
array([1, 2, 3, 4])

Encontrar el tercer valor más pequeño (index=2) y el segundo valor más grande (index=-2) del array.

>>> arr = np.array([46, 57, 23, 39, 1, 10, 0, 120])
>>> arr[np.argpartition(arr, 2)[2]]
10
>>> arr[np.argpartition(arr, -2)[-2]]
57

También se encuentran el tercer y el cuarto valores más pequeños. Ten en cuenta que aquí, con [2,3] se ordenan a la vez el tercer y el cuarto más pequeños, y luego se pueden obtener mediante los índices

>>> arr[np.argpartition(arr, [2,3])[2]]
10
>>> arr[np.argpartition(arr, [2,3])[3]]
23

numpy.argmax() y numpy.argmin()

Las funciones numpy.argmax() y numpy.argmin() devuelven los índices de los elementos máximo y mínimo a lo largo de un eje dado, respectivamente.

Ejemplo

import numpy as np a = np.array([[30,40,70],[80,20,10],[50,90,60]]) print ('Nuestro array es:') print (a) print ('\n') print ('Llamando a la función argmax():') print (np.argmax(a)) print ('\n') print ('Aplanando el array:') print (a.flatten()) print ('\n') print ('Índice del valor máximo a lo largo del eje 0:') maxindex = np.argmax(a, axis = 0) print (maxindex) print ('\n') print ('Índice del valor máximo a lo largo del eje 1:') maxindex = np.argmax(a, axis = 1) print (maxindex) print ('\n') print ('Llamando a la función argmin():') minindex = np.argmin(a) print (minindex) print ('\n') print ('Valor mínimo en el array aplanado:') print (a.flatten()[minindex]) print ('\n') print ('Índice del valor mínimo a lo largo del eje 0:') minindex = np.argmin(a, axis = 0) print (minindex) print ('\n') print ('Índice del valor mínimo a lo largo del eje 1:') minindex = np.argmin(a, axis = 1) print (minindex)

El resultado es:

我们的数组是:
[[30 40 70]
 [80 20 10]
 [50 90 60]]


调用 argmax() 函数:
7


展开数组:
[30 40 70 80 20 10 50 90 60]


沿轴 0 的最大值索引:
[1 2 0]


沿轴 1 的最大值索引:
[2 0 1]


调用 argmin() 函数:
5


展开数组中的最小值:
10


沿轴 0 的最小值索引:
[0 1 1]


沿轴 1 的最小值索引:
[0 2 0]

numpy.nonzero()

La función numpy.nonzero() devuelve los índices de los elementos distintos de cero en el array de entrada.

Ejemplo

import numpy as np a = np.array([[30,40,0],[0,20,10],[50,0,60]]) print ('Nuestro array es:') print (a) print ('\n') print ('Llamando a la función nonzero():') print (np.nonzero (a))

El resultado es:

我们的数组是:
[[30 40  0]
 [ 0 20 10]
 [50  0 60]]


调用 nonzero() 函数:
(array([0, 0, 1, 1, 2, 2]), array([0, 1, 1, 2, 0, 2]))

numpy.where()

La función numpy.where() devuelve los índices de los elementos del array de entrada que cumplen una condición dada.

Ejemplo

import numpy as np x = np.arange(9.).reshape(3, 3) print ('Nuestro array es:') print (x) print ( 'Índices de los elementos mayores que 3:') y = np.where(x > 3) print (y) print ('Usando estos índices para obtener los elementos que cumplen la condición:') print (x[y])

El resultado es:

我们的数组是:
[[0. 1. 2.]
 [3. 4. 5.]
 [6. 7. 8.]]
大于 3 的元素的索引:
(array([1, 1, 2, 2, 2]), array([1, 2, 0, 1, 2]))
使用这些索引来获取满足条件的元素:
[4. 5. 6. 7. 8.]

numpy.extract()

La función numpy.extract() extrae elementos del array según una condición y devuelve los elementos que cumplen la condición.

Ejemplo

import numpy as np x = np.arange(9.).reshape(3, 3) print ('Nuestro array es:') print (x) # definir condición, seleccionar elementos pares condition = np.mod(x,2) == 0 print ('Valor condicional por elemento:') print (condition) print ('Extrayendo elementos con la condición:') print (np.extract(condition, x))

El resultado es:

我们的数组是:
[[0. 1. 2.]
 [3. 4. 5.]
 [6. 7. 8.]]
按元素的条件值:
[[ True False  True]
 [False  True False]
 [ True False  True]]
使用条件提取元素:
[0. 2. 4. 6. 8.]
Otras extensiones