numpy的学习-05

排序、搜索和计数

排序（默认升序）

数组a变成-a则表示降序

• numpy.sort(a[, axis=-1, kind=‘quicksort’, order=None])表示排序，返回拷贝；默认axis=-1，表示按最后一个轴的方向来排序，0表示按行方向排序即竖着，1表示按列方向排序即横着（二维中-1与1的效果一样），None表示展开排序；kind表示排序算法的选择，默认quicksort快排、mergesort混排、heapsort堆排；order可使用字段来排序。
• numpy.argsort(a[, axis=-1, kind=‘quicksort’, order=None])返回排序后的元素的索引位置y，x[y]即可得到排序后的数组；axis解释同上；
• numpy.lexsort(keys[, axis=-1])表示按keys中最后一个键用于主排序键进行排序，并返回索引数组。
• numpy.partition(a, kth, axis=-1, kind=‘introselect’, order=None)返回拷贝，以排序后索引是kth的元素为基准，将元素分成两部分，小于该元素的放在其前面（无序），大于该元素的放在其后面（无序）。 过程：先排序，取第k个元素后，进行前后分组。

np.random.seed(100)
x = np.random.randint(1, 30, [8, 3])
print(x)
# [[ 9 25  4]
#  [ 8 24 16]
#  [17 11 21]
#  [ 3 22  3]
#  [ 3 15  3]
#  [18 17 25]
#  [16  5 12]
#  [29 27 17]]
z = np.partition(x, kth=2, axis=0)
print(z)
# [[ 3  5  3]
#  [ 3 11  3]
#  [ 8 15  4]     ##按行排序后，取第三小元素为基准 把数组分为两部分
#  [ 9 22 21]
#  [17 24 16]
#  [18 17 25]
#  [16 25 12]
#  [29 27 17]]
print(z[2])   ##选取第三小的元素
# [ 8 15  4]

• numpy.argpartition(a, kth, axis=-1, kind=‘introselect’, order=None)返回的是索引数组，与上述过程相同。

搜索

• numpy.argmax(a[, axis=None, out=None])沿着axis方向，返回最大元素的索引；axis=None的情况下表示展开成一维的后，返回最大元素的索引。
• numpy.argmin(a[, axis=None, out=None])沿着axis方向，返回最小元素的索引。
• numppy.nonzero(a)返回数组a（假设n维）中非零元素的索引，返回值是n个一维数组，每一个数组表示在该维度上的索引。
• numpy.where(condition, [x=None, y=None])满足condition条件，则输出x，不满足则输出y；若只有condition，没有x/y则输出满足condition条件的元素的坐标（等价与np.npnzero）。
• numpy.searchsorted(a, v[, side=‘left’, sorter=None]) 返回插入元素v的位置；side表示查询方向，默认是left；sorter是一个存放着数组a升序情况下的index 的一维数组。

计数

• numpy.count_nonzero(a, axis=None)返回数组a在axis方向上非零元素的个数；默认情况下axis=None表示无方向，直接统计所有符合条件的元素个数。

集合操作

构造集合

• numpy.unique(a, return_index=False, return_inverse=False, return_counts=False, axis=None) 返回 数组中的唯一值并进行排序后的结果；return_index=True 表示返回新列表元素在旧列表中的位置；return_inverse=True表示返回旧列表元素在新列表中的位置；return_counts=True表示返回新列表元素在旧列表中出现的次数。
  ！二维数组中，axis=0表示返回特殊的行。
  

布尔运算

• numpy.in1d(a1, a2, assume_unique=False, invert=False) 返回 如果a1与a2相同的元素 的布尔True,反之返回False 的数组，数组大小是与a1相同的。也即a1中是否包含了a2；invert=True表示如果元素不同则返回布尔True。

求两个集合的交集、并集、差集、异或

• numpy.intersect1d(ar1, ar2, assume_unique=False, return_indices=False) 求交集，可排序后返回索引
• numpy.union1d(ar1, ar2) 并集
• numpy.setdiff1d(ar1, ar2, assume_unique=False) 差集，在a1不在a2的元素集合。
• numpy.setxor1d(ar1, ar2, assume_unique=False) 异或，a1和a2 独自拥有的元素的并集。