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.
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
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
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
| Функция | Описание |
|---|---|
| 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
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
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
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
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