Python-Numpy多维数组 -- 排序函数、搜索函数、计数函数

一、Numpy - 排序、搜索和计数函数

     Numpy中提供了各种排序相关功能。 这些排序函数实现不同的排序算法，每个排序算法的特征在于执行速度，最坏情况性能，所需的工作空间和算法的稳定性。 下表显示了三种排序算法的比较。

种类	速度	最坏情况	工作空间	稳定性
'quicksort'（快速排序）	1	O(n^2)	0	否
'mergesort'（归并排序）	2	O(n*log(n))	~n/2	是
'heapsort'（堆排序）	3	O(n*log(n))	0	否

1.numpy.sort()函数返回输入数组的排序副本。 它有以下参数：

 numpy.sort(a, axis, kind, order)

序号	参数及描述
1.	a 要排序的数组
2.	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
3.	kind 默认为'quicksort'（快速排序）
4.	order 如果数组包含字段，则是要排序的字段

demo

import numpy as np
a = np.array([[3,7],[9,1]])
print '我们的数组是：'
print a
print '调用 sort() 函数：'
print np.sort(a)
print '沿轴 0 排序：'
print np.sort(a, axis = 0)
# 在 sort 函数中排序字段
dt = np.dtype([('name', 'S10'),('age', int)])
a = np.array([("raju",21),("anil",25),("ravi", 17), ("amar",27)], dtype = dt)
print '我们的数组是：'
print a
print '按 name 排序：'
print np.sort(a, order = 'name')
输出如下：
我们的数组是：
[[3 7]
[9 1]]
调用 sort() 函数：
[[3 7]
[1 9]]
沿轴 0 排序：
[[3 1]
[9 7]]
我们的数组是：[('raju', 21) ('anil', 25) ('ravi', 17) ('amar', 27)]
按 name 排序：[('amar', 27) ('anil', 25) ('raju', 21) ('ravi', 17)]

2.numpy.argsort()函数对输入数组沿给定轴执行间接排序，并使用指定排序类型返回数据的索引数组。 这个索引数组用于构造排序后的数组。

demo

import numpy as np
x = np.array([3, 1, 2])
print '我们的数组是：'
print x
print '对 x 调用 argsort() 函数：'
y = np.argsort(x)
print y
print '以排序后的顺序重构原数组：'
print x[y]
print '使用循环重构原数组：'
for i in y:
print x[i],
输出如下：
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

3.numpy.lexsort()函数使用键序列执行间接排序。 键可以看作是电子表格中的一列。 该函数返回一个索引数组，使用它可以获得排序数据。 注意，最后一个键恰好是 sort 的主键。

demo

import numpy as np
nm = ('raju','anil','ravi','amar')
dv = ('f.y.', 's.y.', 's.y.', 'f.y.')
ind = np.lexsort((dv,nm))
print '调用 lexsort() 函数：'
print ind
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]
输出如下：
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.']

4.numpy.argmax() 和 numpy.argmin()分别沿给定轴返回最大和最小元素的索引。

demo

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

5.numpy.nonzero()numpy.nonzero()函数返回输入数组中非零元素的索引。

 

demo

import numpy as np
a = np.array([[30,40,0],[0,20,10],[50,0,60]])
print '我们的数组是：'
print a
print '调用 nonzero() 函数：'
print np.nonzero (a)
输出如下：
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]))

6.numpy.where()where()函数返回输入数组中满足给定条件的元素的索引。

 

demo

import numpy as np
x = np.arange(9.).reshape(3, 3)
print '我们的数组是：'
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]
输出如下：
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.]

7.numpy.extract()函数返回满足任何条件的元素。

demo

import numpy as np
x = np.arange(9.).reshape(3, 3)
print '我们的数组是：'
print x
# 定义条件
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)
输出如下：
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. ]