numpy--------矩阵数组按某行或者某列排序

目录

 

一,按列

二,按行


一,按列

1,按第一列从小到大排序:

import numpy as np
a = [[1,2,3,],[3,2,3],[2,3,1]]
a = np.array(a)
print(a)
print('----')
print(a[np.argsort(a[:,0])])

输出:

 

2.对第一列按从大到小排序:

import numpy as np
a = [[1,2,3,],[3,2,3],[2,3,1]]
a = np.array(a)
print(a)
print('----')
print(a[np.argsort(-a[:,0])])

输出:

3. 对第二列从小到大排序:

import numpy as np
a = [[1,2,3,],[3,2,3],[2,3,1]]
a = np.array(a)
print(a)
print('----')
print(a[np.argsort(a[:,1])])

输出:

 

二,按行

思路:

1,先把矩阵转置,这样本来是行的数据就变成列的数据,列的数据就变成行的数据

2,对转置后的矩阵进行按某列排序

3. 排序后的矩阵在做一次转置,转回来后的矩阵就是原矩阵按某行排序的矩阵了。

1.第一行从小到大排序:

import numpy as np
a = [[1,4,3,],[3,2,3],[2,3,1]]
a = np.array(a)
print(a)
print('----')
print(a.T[np.argsort(a.T[:,0])].T)

输出:

  • 13
    点赞
  • 46
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: NumPy是一个Python库,用于处理大型多维数组矩阵。它提供了许多函数和方法来操作这些数组,包括排序NumPy数组可以使用sort()方法进行排序,也可以使用argsort()方法返回排序后的索引。此外,NumPy还提供了结构化数组,它是一种特殊的数组类型,可以包含不同类型的数据。结构化数组可以使用dtype参数来定义每个字段的数据类型和名称。排序结构化数组可以使用sort()方法和argsort()方法,但需要指定排序的字段。 ### 回答2: NumPy是一个用于科学计算的Python库,它提供了很多高效且功能强大的数组操作,包括排序和结构化数组。在NumPy中,普通的数组是可以排序的,你可以使用NumPy中提供的sort()函数为这些数组进行排序。sort()函数有一个可选的参数,用于指定排序的方式:升序或降序。默认情况下,sort()函数是按升序排序的,但是你可以通过传递一个可选的参数来指定降序排序。如果你想对数组的特定列进行排序,则需要使用NumPy的argsort()函数。该函数返回的是已排序数组索引,你可以使用这些索引来排序数组。 在NumPy中,结构化数组是一种高级数据类型,它可以帮助你轻松地处理复杂的数据结构,包括表格和矩阵等。结构化数组通常由几个不同的组成部分组成,这些部分可以是不同类型的数据,如字符串、整数、浮点数等。你可以使用NumPy中的dtype参数来指定每个数据字段的数据类型。结构化数组通常用类似于字典的语法来访问它们的属性。你可以使用结构化数组的sort()函数来对其进行排序,可以按照一个或多个字段进行排序。 总之,NumPy是一个功能强大的Python库,它包含了很多高效的数组操作函数,包括排序和结构化数组。了解这些函数可以帮助你更好地处理和分析数据。如果你是Python开发人员或者正在学习Python,那么NumPy绝对是你不可错过的一个库。 ### 回答3: NumPy 是 Python 数据分析的核心工具之一,它提供了众多的高级数学函数和数组操作工具。其中最基础也最重要的功能之一就是 NumPy 数组排序。本题将简要介绍 NumPy 数组排序及其结构化数组的相关内容。 一、NumPy 数组排序 NumPy 数组排序可以分为两种方式:快速排序和归并排序。其中,快速排序是默认的排序算法,归并排序则需要通过指定参数实现。 1.快速排序 快速排序采用分治策略的思想,将数组分为两部分,一部分的元素小于另一部分,然后再递归地排序两个子数组,直到整个数组有序。在 NumPy 中使用 sort() 函数可以实现快速排序,该函数默认将数组从小到大排序。 示例代码: import numpy as np arr = np.array([3, 2, 7, 8, 1, 5]) arr.sort() print(arr) 输出结果: [1 2 3 5 7 8] 2.归并排序 归并排序是将数组分为两个部分,然后再分别将两部分排序,最后再将两个有序数组合并成一个有序数组。在 NumPy 中,需要使用 merge() 函数来实现归并排序。 示例代码: import numpy as np arr = np.array([3, 2, 7, 8, 1, 5]) arr = np.sort(arr, kind='mergesort') print(arr) 输出结果: [1 2 3 5 7 8] 二、结构化数组 结构化数组是指具有字段名称和数据类型的 N 维数组。在某些情况下,数据并不是单一类型的,或数据需要保存多个字段信息,这时候就需要使用结构化数组。在 NumPy 中,可以使用 dtype() 参数来创建结构化数组。 示例代码: import numpy as np dt = np.dtype([('name', 'U10'), ('age', 'i4'), ('gender', 'U1'), ('salary', 'f4')]) arr = np.array([('Tom', 25, 'M', 5000), ('Mary', 23, 'F', 6000), ('John', 30, 'M', 7000), ('David', 28, 'M', 5500)], dtype=dt) print(arr) print('----------') print(np.sort(arr, order='age')) 输出结果: [('Tom', 25, 'M', 5000.) ('Mary', 23, 'F', 6000.) ('John', 30, 'M', 7000.) ('David', 28, 'M', 5500.)] ---------- [('Mary', 23, 'F', 6000.) ('Tom', 25, 'M', 5000.) ('David', 28, 'M', 5500.) ('John', 30, 'M', 7000.)] 以上代码中,我们使用了 dtype() 来定义了一个结构体,其中包含了 name、age、gender 和 salary 4 个字段。然后创建了一个结构化数组 arr,并且通过指定 order='age' 来按照 age 字段进行排序。 总结 本文介绍了 NumPy 数组排序以及结构化数组的相关知识。NumPy 数组排序包括快速排序和归并排序两种方式,可以通过 sort() 函数来实现。结构化数组是具有字段名称和数据类型的 N 维数组,可以通过 dtype() 来定义。在 NumPy 中,结构化数组通常情况下会与排序操作一起使用,从而支持按照指定字段排序的需求。

“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