NumPy学习笔记17.排序、条件刷选函数

NumPy排序、条件刷选函数

种类速度最坏情况工作空间稳定性
‘quicksort’(快速排序)1O(n^2)0
‘mergesort’(归并排序)2O(n*log(n))~n/2
‘heapsort’(堆排序)3O(n*log(n))0
numpy.sort()

numpy.sort函数返回输入数组的排序副本:

numpy.sort(a, axis, king, order)
# a:要排序的数组
# axis:沿着它排序数组的轴,如果没有数组会被展开,沿着最后的轴排序,axis = 0按列排序,axis = 1按行排序
# kind:默认为‘quicksort’(快速排序)
# order:如果数组包含字段,则要排序的字段
import numpy as np

a = np.array([[3,7],[9,1]])
print('数组是:')
print(a)
print('\n')
print('调用sort()函数:')
print(np.sort(a))
print('\n')
print('按列排序:')
print(np.sort(a, axis = 0))
print('\n')
# sort()函数中排序字段
dt = np.dtype([('name','S10'),('age',int)])
a = np.array([('jack',21),('mary',22),('hugh',23),('tom',25)],dtype = dt)
print('数组是:')
print(a)
print('\n')
print('按name排序:')
print(np.sort(a, order = 'name'))
数组是:
[[3 7]
 [9 1]]


调用sort()函数:
[[3 7]
 [1 9]]


按列排序:
[[3 1]
 [9 7]]


数组是:
[(b'jack', 21) (b'mary', 22) (b'hugh', 23) (b'tom', 25)]


按name排序:
[(b'hugh', 23) (b'jack', 21) (b'mary', 22) (b'tom', 25)]
numpy.argsort()

numpy.argsort函数返回的是数组值从小到大的索引值:

import numpy as np

x = np.array([3,1,2])
print('数组是:')
print(x)
print('\n')
print('对x调用argsort()函数:')
y = np.argsort(x)
print(y)
print('\n')
print('以排序后的顺序重构原数组:')
print(x[y])
print('\n')
print('使用循环重构原数组:')
for i in y:
    print(x[i], end = ' ')
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函数用于对多个序列进行排序,排序时优先照顾靠后的列。

import numpy as np

nm = ('huge','mary','jack','tom')
dv = ('f.y','s.y','s.y','f.y')
ind = np.lexsort((dv,nm))  #排序首先排nm
print('调用lexsort()函数:')
print(ind)
print('\n')
print('使用这个索引来获取排序后的数据:')
print([nm[i] + ',' + dv[i] for i in ind])
调用lexsort()函数:
[0 2 1 3]


使用这个索引来获取排序后的数据:
['huge,f.y', 'jack,s.y', 'mary,s.y', 'tom,f.y']
msort、sort_complex、partition、argpartition
函数描述
msrot(a)数组按第一个轴排序,返回排序后的数组副本。np.msort(a)相等于np.sort(a, axis = 0)
sort_complex(a)对复数按照先实部后虚部的顺序进行排序
partition(a, kth[, axis, kind, order]指定一个数,对数组进行分区
argpartition(a, kth[, axis, kind, order])可以通过关键字kind指定算法沿着指定轴对数组进行分区
import numpy as np

print(np.sort_complex([5,3,6,2,1]))
print(np.sort_complex([1 + 2j, 2 - 1j, 3 - 2j, 3 - 3j, 3 + 5j]))

a = np.array([3,4,2,1])
# 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
print(np.partition(a,3))
# 小于 1 的在前面,大于 3 的在后面,1和3之间的在中间
print(np.partition(a,(1,3)))

arr = np.array([45,36,23,16,2,10,0,123])
# 找到数组的第 3 小(index=2)的值和第 2 大(index=-2)的值
print(arr[np.argpartition(arr,2)[2]])
print(arr[np.argpartition(arr,-2)[-2]])

# 同时找到第 3 和第 4 小的值。注意这里,用 [2,3] 同时将第 3 和第 4 小的排序好,然后可以分别通过下标 [2] 和 [3] 取得。
print(arr[np.argpartition(arr,[2,3])[2]])
print(arr[np.argpartition(arr,[2,3])[3]])
[1.+0.j 2.+0.j 3.+0.j 5.+0.j 6.+0.j]
[1.+2.j 2.-1.j 3.-3.j 3.-2.j 3.+5.j]
[2 1 3 4]
[1 2 3 4]
10
45
10
16
numpy.argmax()和numpy.argmin()

分别沿给定轴返回最大和最小元素的索引:

import numpy as np

a = np.array([[10,30,20],[60,40,50],[70,80,90]])
print('数组是:')
print(a)
print('\n')
print('调用argmax()函数:')
print(np.argmax(a))
print('\n')
print('展开数组:')
print(a.flatten())
print('\n')
print('沿轴0的最大值索引:')
maxindex = np.argmax(a, axis = 0)
print(maxindex)
print('\n')
print('沿轴1的最大值索引:')
maxindex = np.argmax(a, axis = 1)
print(maxindex)
print('\n')
print ('调用 argmin() 函数:') 
minindex = np.argmin(a)  
print (minindex) 
print ('\n') 
print ('展开数组中的最小值:') 
print (a.flatten()[minindex]) 
print ('\n') 
print ('沿轴 0 的最小值索引:') 
minindex = np.argmin(a, axis =  0)  
print (minindex) 
print ('\n') 
print ('沿轴 1 的最小值索引:') 
minindex = np.argmin(a, axis =  1)  
print (minindex)
数组是:
[[10 30 20]
 [60 40 50]
 [70 80 90]]


调用argmax()函数:
8


展开数组:
[10 30 20 60 40 50 70 80 90]


沿轴0的最大值索引:
[2 2 2]


沿轴1的最大值索引:
[1 0 2]


调用 argmin() 函数:
0


展开数组中的最小值:
10


沿轴 0 的最小值索引:
[0 0 0]


沿轴 1 的最小值索引:
[0 1 0]
numpy.nonzero()

numpy.nonzero函数返回输入数组中非零元素的索引:

import numpy as np

a = np.array([[10,30,20],[60,40,50],[70,80,90]])
print('数组是:')
print(a)
print('\n')
print('调用nonzero()函数:')
print(np.nonzero(a))
数组是:
[[10 30 20]
 [60 40 50]
 [70 80 90]]


调用nonzero()函数:
(array([0, 0, 0, 1, 1, 1, 2, 2, 2], dtype=int64), array([0, 1, 2, 0, 1, 2, 0, 1, 2], dtype=int64))
numpy.where()

numpy.where()函数返回输入数组中满足给定条件的元素的索引:

import numpy as np

x = np.arange(9.).reshape(3,3)
print('数组是:')
print(x)
print('大于3的元素的索引:')
y = np.where(x > 3)
print(y)
print('使用这些索引来获取满足条件的元素:')
print(x[y])
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], dtype=int64), array([1, 2, 0, 1, 2], dtype=int64))
使用这些索引来获取满足条件的元素:
[4. 5. 6. 7. 8.]
numpy.extract()

numpy.extract()函数根据某个条件从数组中抽取元素,返回满条件的元素。

import numpy as np

x = np.arange(9.).reshape(3,3)
print('数组是:')
print(x)
# 定义条件,选择偶数元素
condition = np.mod(x,2) == 0
print('按元素的条件值:')
print(condition)
print('使用条件提取元素:')
print(np.extract(condition, x))
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.]

学习参考:

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

ZPILOTE

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值