NumPy 排序、条件刷选函数
NumPy 提供了多种排序的方法。 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 |
numpy.sort()
numpy.sort() 函数返回输入数组的排序副本。函数格式如下:
numpy.sort(a, axis, kind, order)
参数说明:
- 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,则是要排序的字段
import numpy as np
a=np.array([[3,4],[9,5]])
print('我们的数组是:')
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,0))
print('\n')
# 在 sort 函数中排序字段
dt=np.dtype([('name','S10'),('age','int')])
a=np.array([('Tom','21'),('Mary','32'),('Tim','12')],dtype=dt)
print('我们的数组是:')
print(a)
print('\n')
print('按姓名排序:')
print(np.sort(a,order='name'))
--------------------执行以上程序,返回的结果为--------------
我们的数组是:
[[3 4]
[9 5]]
调用sort()函数
[[3 4]
[5 9]]
按列排序:
[[3 4]
[9 5]]
我们的数组是:
[(b'Tom', 21) (b'Mary', 32) (b'Tim', 12)]
按姓名排序:
[(b'Mary', 32) (b'Tim', 12) (b'Tom', 21)]
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
a=np.array([3,1,2])
print('我们的数组是:')
print(a)
print('\n')
print('对a调用argsort()函数')
b=np.argsort(a)
print(b)
print('\n')
print ('以排序后的顺序重构原数组:(以b的顺序返回a)')
print (a[b])
print ('\n')
print('使用循环重构原数组:')
for x in b:
print(a[x],end=' ')
--------------------执行以上程序,返回的结果为--------------
我们的数组是:
[3 1 2]
对a调用argsort()函数
[1 2 0]
以排序后的顺序重构原数组:(以b的顺序返回a)
[1 2 3]
使用循环重构原数组:
1 2 3
numpy.lexsort()
numpy.lexsort() 用于对多个序列进行排序。把它想象成对电子表格进行排序,每一列代表一个序列,排序时优先照顾靠后的列。
这里举一个应用场景:小升初考试,重点班录取学生按照总成绩录取。在总成绩相同时,数学成绩高的优先录取,在总成绩和数学成绩都相同时,按照英语成绩录取…… 这里,总成绩排在电子表格的最后一列,数学成绩在倒数第二列,英语成绩在倒数第三列。
import numpy as np
a=[1,5,1,4,3,4,4]
b=[9,4,0,4,0,2,1]
ind=np.lexsort((b,a))
print(ind)
print ('使用这个索引来获取排序后的数据:')
print ([str(b[i]) + ", " + str(a[i]) for i in ind])
# b在前,a在后,即是先按照a的元素进行比较
# 如a中的最小值为两个1,其索引分别为0,2,再计较b中相应索引上的值,即9,0
# 对应的最小应是:1,0,而其对应的索引为2,所以排序后返回的结果第一个值为索引2
# 下一个最小应是:1,9,而其对应的索引为0,所以排序后返回的结果第一个值为索引0
# 以此类推...
--------------------执行以上程序,返回的结果为--------------
[2 0 4 6 5 3 1]
使用这个索引来获取排序后的数据:
['0,1', '9,1', '0,3', '1,4', '2,4', '4,4', '4,5']
msort、sort_complex、partition、argpartition
函数 | 描述 |
---|---|
msort(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 |
复数排序:
import numpy as np
a=np.sort_complex([5, 3, 6, 2, 1])
print(a)
b=np.sort_complex([1 + 2j, 2 - 1j, 3 - 2j, 3 - 3j, 3 + 5j])
print(b)
----------------执行以上程序,返回的结果为---------------
[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]
partition() 分区排序:
import numpy as np
list=[2,3,5,4,1]
# 以排序后的第3个数,即3进行分区,分区后的结果即是:
# 小于3的元素2,1位于3的前面,大于等于3的元素4,5位于3的后面
a=np.partition(list,3)
print(a)
----------------执行以上程序,返回的结果为---------------
[1 2 3 4 5]
argpartition()排序:
import numpy as np
list=[2,3,5,4,1]
a=np.partition(list,4)
# 以排序后的第4个数,即4进行分区,分区后的结果即是:
# 小于4的元素1,2,3位于4的前面,大于等于4的元素4,5位于4的后面
# 返回排序后的数字对应原来位置的索引值
b=np.argpartition(list,3)
print(a)
print(b)
----------------执行以上程序,返回的结果为---------------
[1 2 3 4 5]
[4 0 1 3 2]
numpy.argmax() 和 numpy.argmin()
numpy.argmax() 和 numpy.argmin()函数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([[20,30,70],[40,10,80],[50,70,90]])
print('我们的数组是:')
print(a)
print('\n')
print('调用argmax()函数:')
print(np.argmax(a))
print('展开数组:')
print(a.flatten())
print('沿1轴的最大值索引:')
print(np.argmax(a,axis=1))
print('沿0轴的最大值索引:')
print(np.argmax(a,axis=0))
print('调用argmin()函数:')
print(np.argmin(a))
print('沿1轴的最小值索引:')
print(np.argmin(a,axis=1))
print('沿0轴的最小值索引:')
print(np.argmin(a,axis=0))
----------------执行以上程序,返回的结果为---------------
我们的数组是:
[[20 30 70]
[40 10 80]
[50 70 90]]
调用argmax()函数:
8
展开数组:
[20 30 70 40 10 80 50 70 90]
沿1轴的最大值索引:
[2 2 2]
沿0轴的最大值索引:
[2 2 2]
调用argmin()函数:
4
沿1轴的最小值索引:
[0 1 0]
沿0轴的最小值索引:
[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([[0,30,70],[40,0,80],[50,70,0]])
print('我们的数组是:')
print(a)
print('调用nonzero()函数:')
print(np.nonzero(a))
----------------执行以上程序,返回的结果为---------------
我们的数组是:
[[ 0 30 70]
[40 0 80]
[50 70 0]]
调用nonzero()函数:
(array([0, 0, 1, 1, 2, 2], dtype=int64), array([1, 2, 0, 2, 0, 1], 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
a=np.arange(9).reshape(3,3)
print('我们的数组是:')
print(a)
print('大于元素3的索引:')
b=np.where(a>3)
print(b)
print('使用这些索引来获取满足条件的元素:')
print(a[b])
----------------执行以上程序,返回的结果为---------------
我们的数组是:
[[0 1 2]
[3 4 5]
[6 7 8]]
大于元素3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
a=np.arange(9).reshape(3,3)
print('我们的数组是:')
print(a)
#定义条件,选择偶数元素
condition=np.mod(a,2)==0
print(condition)
print('使用条件提取元素:')
print(np.extract(condition,a))
----------------执行以上程序,返回的结果为---------------
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]