et

NumPy fournit diverses méthodes de tri. Ces fonctions de tri implémentent différents algorithmes de tri, chacun caractérisé par sa vitesse d'exécution, ses performances dans le pire des cas, l'espace de travail requis et la stabilité de l'algorithme. Le tableau ci-dessous présente une comparaison de trois algorithmes de tri.

Type Vitesse Pire cas Espace de travail Stabilité
'quicksort'(quicksort) 1 O(n^2) 0 non
'mergesort'(mergesort) 2 O(n*log(n)) ~n/2 Oui
'heapsort'(heapsort) 3 O(n*log(n)) 0 non

numpy.sort()

La fonction numpy.sort() renvoie une copie triée du tableau d'entrée. Le format de la fonction est le suivant :

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

Description du paramètre :

  • a : Le tableau à trier
  • axis : L'axe selon lequel trier le tableau. S'il n'est pas fourni, le tableau est aplati et trié selon le dernier axe. axis=0 trie par colonne, axis=1 trie par ligne.
  • kind : La valeur par défaut est 'quicksort'
  • order: Si le tableau contient des champs, c'est le(s) champ(s) à utiliser pour le tri

respectivement.

import numpy as np a = np.array([[3,7],[9,1]]) print ('Notre tableau est :') print (a) print ('\n') print ('Appel de la fonction sort() :') print (np.sort(a)) print ('\n') print ('Trier par colonne :') print (np.sort(a, axis = 0)) print ('\n') # Trier les champs dans la fonction sort dt = np.dtype([('name', 'S10'),('age', int)]) a = np.array([("raju",21),("anil",25),("ravi", 17), ("amar",27)], dtype = dt) print ('Notre tableau est :') print (a) print ('\n') print ('Trier par nom :') print (np.tri(a, ordre = 'nom'))

Le résultat de sortie est:

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 fonction numpy.argsort() renvoie les indices qui trieraient les valeurs du tableau du plus petit au plus grand.

Exemple

import numpy as np x = np.array([3, 1, 2]) print ('Notre tableau est :') print (x) print ('\n') print ('Appel de la fonction argsort() sur x :') y = np.argsort(x) print (y) print ('\n') print ('Reconstruire le tableau d'origine dans l'ordre trié :') print (x[y]) print ('\n') print ('Reconstruire le tableau d'origine à l'aide d'une boucle :') for i in y: print (x[i], end=" ")

Le résultat de sortie est:

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() sert à trier plusieurs séquences. Considérez cela comme le tri d'une feuille de calcul, où chaque colonne représente une séquence, et lors du tri, la priorité est accordée aux colonnes situées le plus à droite.

Voici un scénario d'application : lors de l'examen d'entrée de l'école primaire au collège, les élèves sont admis dans des classes clés en fonction de leur score total. Lorsque les scores totaux sont à égalité, les élèves ayant un meilleur score en mathématiques sont admis en premier ; lorsque le score total et le score de mathématiques sont tous deux à égalité, l'admission se fait en fonction du score d'anglais... Ici, le score total est placé dans la dernière colonne de la feuille de calcul, le score de mathématiques dans l'avant-dernière colonne, et le score d'anglais dans l'antépénultième colonne.

Exemple

import numpy as np nm = ('raju','anil','ravi','amar') dv = ('f.y.', 's.y.', 's.y.', 'f.y.') ind = np.lexsort((dv,nm)) print ('Appel de la fonction lexsort() :') print (ind) print ('\n') print ('Utilisez cet index pour obtenir les données triées :') print ([nm[i] + ", " + dv[i] for i in ind])

Le résultat de sortie est:

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.']

Ce qui a été passé à np.lexsort ci-dessus est un tuple. Lors du tri, nm est trié en premier, dans l'ordre : amar, anil, raju, ravi. En résumé, le résultat du tri est [3 1 0 2].

msort, sort_complex, partition, argpartition

FonctionDescription
msort(a)Trie le tableau selon le premier axe, en renvoyant une copie triée du tableau. np.msort(a) est équivalent à np.sort(a, axis=0).
sort_complex(a) Trier les nombres complexes dans l'ordre : partie réelle d'abord, puis partie imaginaire.
partition(a, kth[, axis, kind, order]) Spécifier un nombre pour partitionner le tableau
argpartition(a, kth[, axis, kind, order]) L'algorithme peut être spécifié via le mot-clé kind pour partitionner le tableau le long de l'axe spécifié

Tri des nombres complexes :

>>> 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])

Tri par partition avec 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])

Trouver la 3e plus petite valeur (index=2) et la 2e plus grande valeur (index=-2) du tableau

>>> 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

Trouver aussi les 3e et 4e plus petites valeurs. Notez qu'ici, [2,3] trie les 3e et 4e plus petites valeurs d'un coup, auxquelles on peut ensuite accéder via les indices

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

numpy.argmax() et numpy.argmin()

Les fonctions numpy.argmax() et numpy.argmin() renvoient respectivement les indices des éléments maximum et minimum le long d'un axe donné.

Exemple

import numpy as np a = np.array([[30,40,70],[80,20,10],[50,90,60]]) print ('Notre tableau est :') print (a) print ('\n') print ('Appel de la fonction argmax() :') print (np.argmax(a)) print ('\n') print ('Aplatir le tableau :') print (a.flatten()) print ('\n') print ('Indice de la valeur maximale selon l'axe 0 :') maxindex = np.argmax(a, axis = 0) print (maxindex) print ('\n') print ('Indice de la valeur maximale selon l'axe 1 :') maxindex = np.argmax(a, axis = 1) print (maxindex) print ('\n') print ('Appel de la fonction argmin() :') minindex = np.argmin(a) print (minindex) print ('\n') print ('Valeur minimale dans le tableau aplati :') print (a.flatten()[minindex]) print ('\n') print ('Indice de la valeur minimale selon l'axe 0 :') minindex = np.argmin(a, axis = 0) print (minindex) print ('\n') print ('Indice de la valeur minimale le long de l'axe 1 :') minindex = np.argmin(a, axis = 1) print (minindex)

Le résultat de sortie est:

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 fonction numpy.nonzero() renvoie les indices des éléments non nuls dans le tableau d'entrée.

Exemple

import numpy as np a = np.array([[30,40,0],[0,20,10],[50,0,60]]) print ('Notre tableau est :') print (a) print ('\n') print ('Appel de la fonction nonzero() :') print (np.nonzero (a))

Le résultat de sortie est:

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 fonction numpy.where() renvoie les indices des éléments du tableau d'entrée qui satisfont une condition donnée.

Exemple

import numpy as np x = np.arange(9.).reshape(3, 3) print ('Notre tableau est :') print (x) print ( 'Indices des éléments supérieurs à 3 :') y = np.where(x > 3) print (y) print ('Utilisez ces indices pour obtenir les éléments qui satisfont la condition :') print (x[y])

Le résultat de sortie est:

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 fonction numpy.extract() extrait des éléments d'un tableau en fonction d'une condition, en renvoyant les éléments qui satisfont la condition.

Exemple

import numpy as np x = np.arange(9.).reshape(3, 3) print ('Notre tableau est :') print (x) # Définir la condition, sélectionner les éléments pairs condition = np.mod(x,2) == 0 print ('Valeurs de la condition par élément :') print (condition) print ('Utiliser la condition pour extraire les éléments :') print (np.extract(condition, x))

Le résultat de sortie est:

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.]
Autres extensions