numpy中的sorted方法说明

python列表排序 

简单记一下python中List的sort方法(或者sorted内建函数)的用法。 

sorted函数用法如下: 
Python代码   收藏代码
  1. sorted(data, cmp=None, key=None, reverse=False)  

其中,data是待排序数据,可以使List或者iterator, cmp和key都是函数,这两个函数作用与data的元素上产生一个结果,sorted方法根据这个结果来排序。 
cmp(e1, e2) 是带两个参数的比较函数, 返回值: 负数: e1 < e2, 0: e1 == e2, 正数: e1 > e2. 默认为 None, 即用内建的比较函数. 
key 是带一个参数的函数, 用来为每个元素提取比较值. 默认为 None, 即直接比较每个元素. 
通常, key 和 reverse 比 cmp 快很多, 因为对每个元素它们只处理一次; 而 cmp 会处理多次. 

通过例子来说明sorted的用法: 

1. 对由tuple组成的List排序 
Python代码   收藏代码
  1. >>> students = [('john''A'15), ('jane''B'12), ('dave''B'10),]  

用key函数排序(lambda的用法见 注释1) 
Python代码   收藏代码
  1. >>> sorted(students, key=lambda student : student[2])   # sort by age  
  2. [('dave''B'10), ('jane''B'12), ('john''A'15)]  

用cmp函数排序 
Python代码   收藏代码
  1. >>> sorted(students, cmp=lambda x,y : cmp(x[2], y[2])) # sort by age  
  2. [('dave''B'10), ('jane''B'12), ('john''A'15)]  

用 operator 函数来加快速度, 上面排序等价于:(itemgetter的用法见 注释2) 
Python代码   收藏代码
  1. >>> from operator import itemgetter, attrgetter  
  2. >>> sorted(students, key=itemgetter(2))  

用 operator 函数进行多级排序 
Python代码   收藏代码
  1. >>> sorted(students, key=itemgetter(1,2))  # sort by grade then by age  
  2. [('john''A'15), ('dave''B'10), ('jane''B'12)]  

2. 对由字典排序 
Python代码   收藏代码
  1. >>> d = {'data1':3'data2':1'data3':2'data4':4}  
  2. >>> sorted(d.iteritems(), key=itemgetter(1), reverse=True)  
  3. [('data4'4), ('data1'3), ('data3'2), ('data2'1)]  


注释1 
参考:http://jasonwu.me/2011/10/29/introduce-to-python-lambda.html 

注释2 
参考:http://ar.newsmth.net/thread-90745710c90cf1.html 
class itemgetter(__builtin__.object) 
|  itemgetter(item, ...) --> itemgetter object 

|  Return a callable object that fetches the given item(s) from its operand. 
|  After, f=itemgetter(2), the call f(r) returns r[2]. 
|  After, g=itemgetter(2,5,3), the call g(r) returns (r[2], r[5], r[3]) 

相当于 
Python代码   收藏代码
  1. def itemgetter(i,*a):   
  2.     def func(obj):   
  3.         r = obj[i]   
  4.         if a:   
  5.             r = (r,) + tuple(obj[i] for i in a)   
  6.         return r   
  7.     return func   
  8.   
  9. >>> a = [1,2,3]   
  10. >>> b=operator.itemgetter(1)   
  11. >>> b(a)   
  12. 2   
  13. >>> b=operator.itemgetter(1,0)   
  14. >>> b(a)   
  15. (21)   
  16. >>> b=itemgetter(1)   
  17. >>> b(a)   
  18. 2   
  19. >>> b=itemgetter(1,0)   
  20. >>> b(a)   
  21. (21)   


参考资料: 
1. http://www.linuxso.com/linuxbiancheng/13340.html 

2. http://www.douban.com/note/13460891/

3.http://gaopenghigh.iteye.com/blog/1483864

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: numpy是Python一种强大的数值计算库,它提供了大量的数学函数和功能,使得在处理科学计算、数据分析和机器学习等相关任务时更加高效。 使用numpy库可以对数组进行快速创建、操作和计算。下面是一些numpy库的常见题目: 1. 如何创建一个一维的numpy数组? 使用numpy的np.array()函数可以创建一维数组,例如: ```python import numpy as np arr = np.array([1, 2, 3, 4, 5]) ``` 2. 如何创建一个二维的numpy数组? 使用numpy的np.array()函数创建一个嵌套列表,即可创建一个二维数组,例如: ```python import numpy as np arr = np.array([[1, 2, 3], [4, 5, 6]]) ``` 3. 如何获取numpy数组的维度? 使用numpy数组的.shape属性可以获得数组的维度,例如: ```python import numpy as np arr = np.array([[1, 2, 3], [4, 5, 6]]) print(arr.shape) # 输出(2, 3) ``` 4. 如何对numpy数组进行切片操作? 使用numpy数组的切片操作可以获取数组的子数组,例如: ```python import numpy as np arr = np.array([1, 2, 3, 4, 5]) print(arr[1:4]) # 输出[2 3 4] ``` 5. 如何对numpy数组进行数学运算? numpy库提供了大量的数学函数,可以对数组进行数学运算,例如: ```python import numpy as np arr1 = np.array([1, 2, 3, 4, 5]) arr2 = np.array([6, 7, 8, 9, 10]) arr_sum = np.add(arr1, arr2) # 数组相加 arr_product = np.multiply(arr1, arr2) # 数组相乘 ``` 通过这些例子,我们可以看出numpy库提供了丰富的功能,适用于各种数值计算任务。掌握了numpy库的使用,可以提高Python的科学计算能力。 ### 回答2: numpy是一个在Python非常常用的数值计算库。它提供了高性能的多维数组对象ndarray,并且包含了很多用于数组计算的函数。 使用numpy库,我们可以很方便地进行各种数组操作。比如,我们可以通过numpy创建一个一维数组,计算数组的平均值、标准差等统计量,进行数组的切片操作,以及对数组元素进行数学运算等等。 以下是用numpy库解决的三个常见问题: 1. 计算数组元素之和:可以使用numpy的sum函数来计算数组所有元素的和,例如: import numpy as np arr = np.array([1, 2, 3, 4, 5]) sum_result = np.sum(arr) print(sum_result) # 输出:15 2. 找出数组元素的最大值和最小值:可以使用numpy的max和min函数来找出数组的最大值和最小值,例如: import numpy as np arr = np.array([1, 2, 3, 4, 5]) max_result = np.max(arr) min_result = np.min(arr) print(max_result) # 输出:5 print(min_result) # 输出:1 3. 数组元素的排序:可以使用numpysort函数对数组元素进行排序,例如: import numpy as np arr = np.array([3, 1, 4, 2, 5]) sorted_arr = np.sort(arr) print(sorted_arr) # 输出:[1 2 3 4 5] 可以看出,numpy库提供了丰富的函数和方法,可以方便地进行数组的计算和操作,大大简化了数值计算的工作。 ### 回答3: numpy库是Python常用的科学计算库,提供了多维数组对象和一系列对数组进行操作的函数。下面我将通过具体例子回答有关numpy库的问题: 1. 如何创建一个一维数组? 使用numpy的`array`函数可以创建一个一维数组,如下所示: ``` import numpy as np arr = np.array([1, 2, 3, 4, 5]) print(arr) ``` 输出结果为:[1 2 3 4 5] 2. 如何创建一个二维数组? 使用numpy的`array`函数可以创建一个二维数组,传入嵌套的列表即可,如下所示: ``` import numpy as np arr = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]]) print(arr) ``` 输出结果为: ``` [[1 2 3] [4 5 6] [7 8 9]] ``` 3. 如何获取数组的形状(维度)? 可以使用`shape`属性获取数组的形状,如下所示: ``` import numpy as np arr = np.array([[1, 2, 3], [4, 5, 6]]) print(arr.shape) ``` 输出结果为:(2, 3) 4. 如何进行数组的切片操作? 可以使用切片(slice)来获取数组的子集,如下所示: ``` import numpy as np arr = np.array([1, 2, 3, 4, 5]) print(arr[1:4]) ``` 输出结果为:[2 3 4] 5. 如何进行数组的运算操作? numpy提供了丰富的数学函数和运算符,可以对数组进行各种数学运算,如下所示: ``` import numpy as np arr1 = np.array([1, 2, 3]) arr2 = np.array([4, 5, 6]) print(arr1 + arr2) # 数组相加 print(arr1 * arr2) # 数组相乘 print(np.dot(arr1, arr2)) # 数组点积 ``` 输出结果为: ``` [5 7 9] [4 10 18] 32 ``` 以上是对numpy库的一些常见问题的回答,numpy库在科学计算和数据处理非常有用,通过numpy可以快速高效地进行各种数组操作。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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
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