numpy排序计数集合操作

1.numpy.argpartition()
numpy.argpartition(a, kth, axis=-1, kind=‘introselect’, order=None)
数组元素中从小到大的第k个值将在处于其最终排序位置k
np.partition(a,2)
表示数组a中第2小的元素即元素2位于排序完成数组b的第二个位置上,即索引b[1]处，
然后小于该元素的位于该元素左边，大于该元素的位于右边，左右两边没有特别的排序要求,只要求左边小于该元素，右边大于该元素即可
numpy.argpartition() 返回索引
2.numpy.where（）
numpy.where(condition, [x=None, y=None]) Return elements chosen from x or y depending on condition.
numpy.where(condition, [x=None, y=None]) Return elements chosen from x or y depending on condition.
满足条件condition，输出x，不满足输出y。
x = [0 1 2 3 4 5 6 7 8 9]
y = np.where(x < 5, x, 10 * x)
print(y)
#[ 0 1 2 3 4 50 60 70 80 90]
只有condition，没有x和y，则输出满足条件 (即非0) 元素的坐标 (等价于numpy.nonzero)。这里的坐标以tuple的形式给出，通常原数组有多少维，输出的tuple中就包含几个数组，分别对应符合条件元素的各维坐标。
3numpy.searchsorted()
numpy.searchsorted(a, v[, side=‘left’, sorter=None]) Find indices where elements should be inserted to maintain order.
a：一维输入数组。当sorter参数为None的时候，a必须为升序数组；否则，sorter不能为空，存放a中元素的index，用于反映a数组的升序排列方式。
v：插入a数组的值，可以为单个元素，list或者ndarray。
side：查询方向，当为left时，将返回第一个符合条件的元素下标；当为right时，将返回最后一个符合条件的元素下标。
sorter：一维数组存放a数组元素的 index，index 对应元素为升序。
4.
np.unique(A)
对于一维数组或者列表，unique函数去除其中重复的元素，并按元素由大到小返回一个新的无元素重复的元组或者列表

求两个集合的交集：
numpy.intersect1d(ar1, ar2, assume_unique=False, return_indices=False) Find the intersection of two arrays.

求两个集合的并集：
numpy.union1d(ar1, ar2)

求两个集合的差集：
numpy.setdiff1d(ar1, ar2, assume_unique=False) Find the set difference of two arrays.
集合的差，即元素存在于第一个函数不存在于第二个函数中。

求两个集合的异或：
setxor1d(ar1, ar2, assume_unique=False) Find the set exclusive-or of two arrays.

**获取给定数组a中比7大的数有多少**
a = np.random.uniform(1, 50, 10)
print(a)
len(a) - np.searchsorted(a, 7, side='right')

**如何删除numpy数组中的缺失值？**

a = np.array([1, 2, 3, np.nan, 5, 6, 7, np.nan])
b = np.isnan(a)
c = np.where(np.logical_not(b))
print(a[c])
# [1. 2. 3. 5. 6. 7.]

**取出每一列比第三大的数字小的数**
np.random.seed(100)
x = np.random.randint(1, 30, [8, 3])
print(x)
z = np.argpartition(x, kth=2, axis=0)
y = np.array([[x[z[i, j], j] for j in range(3)] for i in range(2)])
print(y)
np.partition(x, kth=2, axis=0)[:2]


 **从arr中提取所有奇数**

arr = np.arange(10)

# 方法1
index = np.where(arr % 2 == 1)
print(arr[index])

# 方法2

x = arr[arr % 2 == 1]
print(x)


**将arr中的偶数元素替换为0，而不替换arr**
arr = np.arange(10)

# 方法1
x = np.where(arr % 2 == 0, 0, arr)
print(x)

# 方法2
x = np.copy(arr)
x[x % 2 == 0] = 0
print(x)

**获取给定数组a中前5个最大值的位置**
np.random.seed(100)
a = np.random.uniform(1, 50, 20)
print(a)
# [27.62684215 14.64009987 21.80136195 42.39403048  1.23122395  6.95688692
#  33.86670515 41.466785    7.69862289 29.17957314 44.67477576 11.25090398
#  10.08108276  6.31046763 11.76517714 48.95256545 40.77247431  9.42510962
#  40.99501269 14.42961361]

# 方法1
b = np.argsort(a)
print(b)
print(b[-5:])
# [18  7  3 10 15]

# 方法2
b = np.sort(a)
b = np.where(a >= b[-5])
print(b)
# (array([ 3,  7, 10, 15, 18], dtype=int64),)

# 方法3
b = np.argpartition(a, kth=-5)
print(b[-5:])
# [18  7  3 10 15]