系列文章：Numpy系列文章-CSDN博客
目录
示例 5：结合 np.where() 和 np.nonzero() 使用
numpy其余常用函数参考：
np.sort:
np.sort() 函数返回输入数组的排序副本。
示例 1：一维数组排序
import numpy as np
# 创建一维数组
x = np.array([3, 1, 4, 1, 5, 9, 2, 6, 5, 3, 5])
# 对数组进行排序
sorted_x = np.sort(x)
print("Sorted array:", sorted_x)输出：
Sorted array: [1 1 2 3 3 4 5 5 5 6 9] 示例 2：二维数组按行排序
import numpy as np
# 创建二维数组
x = np.array([[7, 4, 2], [3, 9, 1]])
# 对数组的每一行进行排序
sorted_x_by_row = np.sort(x, axis=1)
print("Sorted array by row:")
print(sorted_x_by_row)输出：
Sorted array by row: [[2 4 7] [1 3 9]] 示例 3：二维数组按列排序
import numpy as np
# 创建二维数组
x = np.array([[7, 4, 2], [3, 9, 1]])
# 对数组的每一列进行排序
sorted_x_by_column = np.sort(x, axis=0)
print("Sorted array by column:")
print(sorted_x_by_column)输出：
Sorted array by column: [[3 4 1] [7 9 2]] 示例 4：在排序中使用不同的排序算法
import numpy as np
# 创建一维数组
x = np.array([3, 1, 4, 1, 5, 9, 2, 6, 5, 3, 5])
# 对数组进行排序，使用快速排序算法
sorted_x_quick = np.sort(x, kind='quicksort')
print("Sorted array with quicksort:", sorted_x_quick)
# 对数组进行排序，使用归并排序算法
sorted_x_merge = np.sort(x, kind='mergesort')
print("Sorted array with mergesort:", sorted_x_merge)
# 对数组进行排序，使用堆排序算法
sorted_x_heap = np.sort(x, kind='heapsort')
print("Sorted array with heapsort:", sorted_x_heap)输出：
Sorted array with quicksort: [1 1 2 3 3 4 5 5 5 6 9]
Sorted array with mergesort: [1 1 2 3 3 4 5 5 5 6 9]
Sorted array with heapsort: [1 1 2 3 3 4 5 5 5 6 9] 示例 5：对结构化数组排序
import numpy as np
# 创建一个结构化数组
dtype = [('name', 'S10'), ('height', float), ('age', int)]
values = [('Arthur', 1.8, 41), ('Lancelot', 1.9, 38), ('Galahad', 1.7, 38)]
a = np.array(values, dtype=dtype)
# 按 'height' 字段排序
sorted_a_by_height = np.sort(a, order='height')
print("Sorted array by height:")
print(sorted_a_by_height)
# 按 'age' 字段排序
sorted_a_by_age = np.sort(a, order='age')
print("Sorted array by age:")
print(sorted_a_by_age)输出：
Sorted array by height: [(b'Galahad', 1.7, 38) (b'Arthur', 1.8, 41) (b'Lancelot', 1.9, 38)]
Sorted array by age: [(b'Lancelot', 1.9, 38) (b'Galahad', 1.7, 38) (b'Arthur', 1.8, 41)] 注意，np.sort() 函数默认使用快速排序算法（kind='quicksort'），但也可以指定其他排序算法，如归并排序（kind='mergesort'）和堆排序（kind='heapsort'）。排序算法的选择可能会根据数组的大小和内容影响性能。结构化数组的排序可以通过指定 order 参数来根据特定字段进行排序。
np.argsort
np.argsort() 函数返回的是数组元素从小到大排序后的索引值数组。这意味着如果使用这些索引来索引原始数组，你将得到一个排序后的数组。
示例 1：一维数组排序索引
import numpy as np
# 创建一维数组
x = np.array([3, 1, 4, 1, 5, 9, 2, 6, 5, 3, 5])
# 获取排序后的索引
sorted_indices = np.argsort(x)
print("Indices of sorted array:", sorted_indices)
# 使用索引对原数组进行排序
sorted_x = x[sorted_indices]
print("Sorted array using indices:", sorted_x)输出：
Indices of sorted array: [ 1 3 6 0 9 2 4 8 10 7 5]
Sorted array using indices: [1 1 2 3 3 4 5 5 5 6 9] 示例 2：二维数组按行排序索引
import numpy as np
# 创建二维数组
x = np.array([[7, 4, 2], [3, 9, 1]])
# 对每一行的元素获取排序后的索引
sorted_indices_by_row = np.argsort(x, axis=1)
print("Indices of sorted array by row:")
print(sorted_indices_by_row)
# 使用索引按行对原数组进行排序，
sorted_x_by_row = np.take_along_axis(x, sorted_indices_by_row, axis=1)
print("Sorted array by row using indices:")
print(sorted_x_by_row)输出：
Indices of sorted array by row:
[[2 1 0]
[2 0 1]]
Sorted array by row using indices:
[[2 4 7]
[1 3 9]] 注意，使用np.take_along_axis() 函数来根据索引数组对原数组进行排序。
示例 3：二维数组按列排序索引
import numpy as np
# 创建二维数组
x = np.array([[7, 4, 2], [3, 9, 1]])
# 对每一列的元素获取排序后的索引
sorted_indices_by_column = np.argsort(x, axis=0)
print("Indices of sorted array by column:")
print(sorted_indices_by_column)
# 使用索引按列对原数组进行排序
sorted_x_by_column = np.take_along_axis(x, sorted_indices_by_column, axis=0)
print("Sorted array by column using indices:")
print(sorted_x_by_column)输出：
Indices of sorted array by column:
[[1 0 1]
[0 1 0]]
Sorted array by column using indices:
[[3 4 1]
[7 9 2]] 示例 4：使用索引数组对多个数组按相同顺序排序
import numpy as np
# 创建两个一维数组
x = np.array([3, 1, 2])
y = np.array([9, 8, 7])
# 对 x 数组获取排序后的索引
sorted_indices = np.argsort(x)
# 使用相同的索引对两个数组排序
sorted_x = x[sorted_indices]
sorted_y = y[sorted_indices]
print("Sorted x:", sorted_x)
print("Sorted y:", sorted_y)输出：
Sorted x:
[1 2 3]
Sorted y:
[8 7 9] np.argmax，np.argmin
np.argmax() 和 np.argmin() 函数分别用于找出数组中最大值和最小值的索引。
示例 1：一维数组
import numpy as np
# 创建一维数组
x = np.array([3, 1, 4, 1, 5, 9, 2, 6, 5, 3, 5])
# 找出最大值的索引
max_index = np.argmax(x)
print("Index of the maximum element:", max_index)
# 找出最小值的索引
min_index = np.argmin(x)
print("Index of the minimum element:", min_index)输出：
Index of the maximum element: 5
Index of the minimum element: 1 示例 2：二维数组
import numpy as np
# 创建二维数组
x = np.array([[7, 4, 2], [3, 9, 1]])
# 找出全局最大值的索引
max_index_global = np.argmax(x)
print("Index of the maximum element (global):", max_index_global)
# 找出全局最小值的索引
min_index_global = np.argmin(x)
print("Index of the minimum element (global):", min_index_global)
# 沿特定轴（行）找出最大值的索引
max_index_by_row = np.argmax(x, axis=1)
print("Indices of the maximum elements by row:", max_index_by_row)
# 沿特定轴（列）找出最小值的索引
min_index_by_column = np.argmin(x, axis=0)
print("Indices of the minimum elements by column:", min_index_by_column)输出：
Index of the maximum element (global): 4
Index of the minimum element (global): 5
Indices of the maximum elements by row: [0 1]
Indices of the minimum elements by column: [1 0 1] 注意，全局索引是将数组展平后的一维索引，如果需要将这个索引转换为二维索引，可以使用 np.unravel_index()。沿特定轴的索引是相对于该轴的，因此每个轴的索引从0开始。
示例 3：多维数组
import numpy as np
# 创建三维数组
x = np.array([[[1, 5, 2], [8, 7, 3]], [[4, 0, 9], [6, 10, 11]]])
# 找出全局最大值的索引
max_index_global = np.argmax(x)
print("Index of the maximum element (global):", max_index_global)
# 沿特定轴（深度）找出最大值的索引
max_index_by_depth = np.argmax(x, axis=0)
print("Indices of the maximum elements by depth:")
print(max_index_by_depth)
# 沿特定轴（行）找出最大值的索引
max_index_by_row = np.argmax(x, axis=1)
print("Indices of the maximum elements by row:")
print(max_index_by_row)
# 沿特定轴（列）找出最大值的索引
max_index_by_column = np.argmax(x, axis=2)
print("Indices of the maximum elements by column:")
print(max_index_by_column)输出：
Index of the maximum element (global): 11
Indices of the maximum elements by depth:
[[1 1 1]
[0 1 1]]
Indices of the maximum elements by row:
[[1 0 1]
[1 1 1]]
Indices of the maximum elements by column:
[[1 0]
[2 2]] 对于 np.argmax() 和 np.argmin()，在不指定轴的情况下，默认返回展平后的一维索引；可以通过指定 axis 参数来获取特定轴上元素的索引。
np.nonzero
np.nonzero() 函数返回输入数组中非零元素的索引。对于一维数组，它返回一个包含非零元素索引的元组。对于多维数组，它返回一个索引数组的元组，每个数组对应一个维度。
示例 1：一维数组
import numpy as np
# 创建一维数组
x = np.array([0, 2, 0, 3, 0, 0, 5])
# 获取非零元素的索引
nonzero_indices = np.nonzero(x)
print("Indices of non-zero elements:", nonzero_indices[0])输出：
Indices of non-zero elements: [1 3 6] 示例 2：二维数组
import numpy as np
# 创建二维数组
x = np.array([[0, 1, 0], [2, 0, 3], [0, 0, 0]])
# 获取非零元素的索引
nonzero_indices = np.nonzero(x)
print("Row indices of non-zero elements:", nonzero_indices[0])
print("Column indices of non-zero elements:", nonzero_indices[1])输出：
Row indices of non-zero elements: [0 1 1]
Column indices of non-zero elements: [1 0 2] 示例 3：多维数组
import numpy as np
# 创建三维数组
x = np.array([[[0, 1, 0], [2, 0, 3]], [[0, 0, 0], [4, 5, 0]]])
# 获取非零元素的索引
nonzero_indices = np.nonzero(x)
print("Depth indices of non-zero elements:", nonzero_indices[0])
print("Row indices of non-zero elements:", nonzero_indices[1])
print("Column indices of non-zero elements:", nonzero_indices[2])输出：
Depth indices of non-zero elements: [0 0 0 1 1]
Row indices of non-zero elements: [0 1 1 1 1]
Column indices of non-zero elements: [1 0 2 0 1] 示例 4：使用非零索引访问元素
import numpy as np
# 创建二维数组
x = np.array([[0, 1, 0], [2, 0, 3], [4, 0, 0]]) 5
# 获取非零元素的索引
nonzero_indices = np.nonzero(x)
# 访问非零元素
nonzero_elements = x[nonzero_indices]
print("Non-zero elements:", nonzero_elements)输出：
Non-zero elements: [1 2 3 4]np.where
np.where() 函数是一个多功能函数，它可以用于获取满足条件的元素的索引，或者根据一个条件从两个选项中选择元素。
示例 1：获取满足条件的元素的索引
import numpy as np
# 创建数组
x = np.array([1, 2, 3, 4, 5])
# 获取满足条件的元素的索引（大于3的元素）
indices = np.where(x > 3)
print("Indices of elements greater than 3:", indices[0])输出：
Indices of elements greater than 3: [3 4] 示例 2：使用 np.where() 进行条件选择
import numpy as np
# 创建数组
x = np.array([1, 2, 3, 4, 5])
# 根据条件选择元素：如果元素大于3，选择该元素，否则选择-该元素
result = np.where(x > 3, x, -x)
print("Result of np.where with condition:", result)预期输出：
Result of np.where with condition: [-1 -2 -3 4 5] 示例 3：多维数组中获取满足条件的元素的索引
import numpy as np
# 创建二维数组
x = np.array([[0, 1, 2], [3, 4, 5]])
# 获取满足条件的元素的索引（等于4的元素）
indices = np.where(x == 4)
print("Indices of elements equal to 4:")
print("Row indices:", indices[0])
print("Column indices:", indices[1])输出：
Indices of elements equal to 4:
Row indices: [1]
Column indices: [1] 示例 4：使用 np.where() 替换数组中的元素
import numpy as np
# 创建数组
x = np.array([1, 0, 3, 0, 5])
# 使用 np.where 替换所有0为-1
result = np.where(x == 0, -1, x)
print("Array after replacing 0s with -1s:", result)输出：
Array after replacing 0s with -1s: [ 1 -1 3 -1 5] 示例 5：结合 np.where() 和 np.nonzero() 使用
import numpy as np
# 创建二维数组
x = np.array([[0, 1, 2], [3, 4, 5]])
# 使用 np.nonzero 获取非零元素的索引
nonzero_indices = np.nonzero(x)
# 使用 np.where 进行同样的操作
where_indices = np.where(x != 0)
# 输出结果，两种方法应该给出相同的结果
print("Indices from np.nonzero:", nonzero_indices)
print("Indices from np.where:", where_indices)预期输出：
Indices from np.nonzero: (array([0, 1, 1, 1]), array([1, 0, 1, 2]))
Indices from np.where: (array([0, 1, 1, 1]), array([1, 0, 1, 2]))
3434
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
