и

NumPy предоставляет различные методы сортировки. Эти функции сортировки реализуют разные алгоритмы сортировки, каждый из которых характеризуется скоростью выполнения, производительностью в худшем случае, требуемым рабочим пространством и стабильностью алгоритма. В таблице ниже приведено сравнение трёх алгоритмов сортировки.

Вид Скорость Худший случай Рабочее пространство Стабильность
'quicksort'(quicksort) 1 O(n^2) 0 нет
'mergesort'(mergesort) 2 O(n*log(n)) ~n/2 Да
'heapsort'(heapsort) 3 O(n*log(n)) 0 нет

numpy.sort()

Функция numpy.sort() возвращает отсортированную копию входного массива. Формат функции следующий:

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

Описание параметра:

  • a: массив, который нужно отсортировать
  • axis: ось, вдоль которой нужно сортировать массив. Если не указана, массив уплощается и сортируется вдоль последней оси. axis=0 — сортировка по столбцам, axis=1 — по строкам.
  • kind: по умолчанию 'quicksort'
  • order: Если массив содержит поля, это поле(я), по которым нужно сортировать

соответственно.

import numpy as np a = np.array([[3,7],[9,1]]) print ('Наш массив:') print (a) print ('\n') print ('Вызов функции sort():') print (np.sort(a)) print ('\n') print ('Сортировка по столбцу:') print (np.sort(a, axis = 0)) print ('\n') # Сортировка полей в функции sort dt = np.dtype([('name', 'S10'),('age', int)]) a = np.array([("raju",21),("anil",25),("ravi", 17), ("amar",27)], dtype = dt) print ('Наш массив:') print (a) print ('\n') print ('Сортировка по имени:') print (np.sort(a, order = 'name'))

Результат вывода:

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()

Функция numpy.argsort() возвращает индексы, которые отсортировали бы значения массива от наименьшего к наибольшему.

Пример

import numpy as np x = np.array([3, 1, 2]) print ('Наш массив:') print (x) print ('\n') print ('Вызов функции argsort() для x:') y = np.argsort(x) print (y) print ('\n') print ('Восстановите исходный массив в отсортированном порядке:') print (x[y]) print ('\n') print ('Восстановите исходный массив с помощью цикла:') for i in y: print (x[i], end=" ")

Результат вывода:

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() используется для сортировки нескольких последовательностей. Представьте это как сортировку электронной таблицы, где каждый столбец представляет последовательность, а при сортировке приоритет отдаётся столбцам, идущим позже.

Вот пример сценария: на вступительном экзамене при переходе из начальной школы в среднюю учащихся зачисляют в профильные классы по общему баллу. Если общие баллы совпадают, в первую очередь зачисляются учащиеся с более высоким баллом по математике; если совпадают и общий балл, и балл по математике, зачисление происходит по баллу по английскому языку... Здесь общий балл размещается в последнем столбце таблицы, балл по математике — в предпоследнем столбце, а балл по английскому — в третьем столбце с конца.

Пример

import numpy as np nm = ('raju','anil','ravi','amar') dv = ('f.y.', 's.y.', 's.y.', 'f.y.') ind = np.lexsort((dv,nm)) print ('Вызов функции lexsort():') print (ind) print ('\n') print ('Используйте этот индекс, чтобы получить отсортированные данные:') print ([nm[i] + ", " + dv[i] for i in ind])

Результат вывода:

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.']

То, что было передано выше в np.lexsort, — это кортеж. При сортировке сначала сортируется nm в порядке: amar, anil, raju, ravi. В итоге результат сортировки — [3 1 0 2].

msort、sort_complex、partition、argpartition

ФункцияОписание
msort(a)Сортирует массив вдоль первой оси, возвращая отсортированную копию массива. np.msort(a) эквивалентно np.sort(a, axis=0).
sort_complex(a) Сортировка комплексных чисел: сначала по действительной части, затем по мнимой.
partition(a, kth[, axis, kind, order]) Укажите число для разбиения массива
argpartition(a, kth[, axis, kind, order]) Алгоритм можно указать с помощью ключевого слова kind для разбиения массива вдоль указанной оси

Сортировка комплексных чисел:

>>> 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])

Сортировка разбиением 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])

Найдите третье наименьшее (index=2) и второе наибольшее (index=-2) значения массива

>>> 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

Также найдите третье и четвёртое наименьшие значения. Обратите внимание, что здесь [2,3] сортирует третье и четвёртое наименьшие значения за один раз, к которым затем можно обратиться по индексам

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

numpy.argmax() и numpy.argmin()

Функции numpy.argmax() и numpy.argmin() возвращают индексы максимального и минимального элементов вдоль заданной оси соответственно.

Пример

import numpy as np a = np.array([[30,40,70],[80,20,10],[50,90,60]]) print ('Наш массив:') print (a) print ('\n') print ('Вызов функции argmax():') print (np.argmax(a)) print ('\n') print ('Преобразовать массив в одномерный:') print (a.flatten()) print ('\n') print ('Индекс максимального значения вдоль оси 0:') maxindex = np.argmax(a, axis = 0) print (maxindex) print ('\n') print ('Индекс максимального значения вдоль оси 1:') maxindex = np.argmax(a, axis = 1) print (maxindex) print ('\n') print ('Вызов функции argmin():') minindex = np.argmin(a) print (minindex) print ('\n') print ('Минимальное значение в сглаженном массиве:') print (a.flatten()[minindex]) print ('\n') print ('Индекс минимального значения вдоль оси 0:') minindex = np.argmin(a, axis = 0) print (minindex) print ('\n') print ('Индекс минимального значения вдоль оси 1:') minindex = np.argmin(a, axis = 1) print (minindex)

Результат вывода:

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()

Функция numpy.nonzero() возвращает индексы ненулевых элементов во входном массиве.

Пример

import numpy as np a = np.array([[30,40,0],[0,20,10],[50,0,60]]) print ('Наш массив:') print (a) print ('\n') print ('Вызов функции nonzero():') print (np.nonzero (a))

Результат вывода:

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()

Функция numpy.where() возвращает индексы элементов во входном массиве, удовлетворяющих заданному условию.

Пример

import numpy as np x = np.arange(9.).reshape(3, 3) print ('Наш массив:') print (x) print ( 'Индексы элементов, больших 3:') y = np.where(x > 3) print (y) print ('Используйте эти индексы, чтобы получить элементы, удовлетворяющие условию:') print (x[y])

Результат вывода:

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()

Функция numpy.extract() извлекает элементы из массива на основе условия, возвращая элементы, удовлетворяющие условию.

Пример

import numpy as np x = np.arange(9.).reshape(3, 3) print ('Наш массив:') print (x) # Определить условие, выбрать чётные элементы condition = np.mod(x,2) == 0 print ('Значения условия по элементам:') print (condition) print ('Используйте условие для извлечения элементов:') print (np.extract(condition, x))

Результат вывода:

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.]
Другие расширения