NumPy排序、搜索和计数函数

NumPy - 排序、搜索和计数函数

NumPy中提供了各种排序相关功能。 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()

sort()函数返回输入数组的排序副本。 它有以下参数：

numpy.sort(a, axis, kind, order) 

Python

其中：

序号	参数及描述
1.	a 要排序的数组
2.	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
3.	kind 默认为'quicksort'(快速排序)
4.	order 如果数组包含字段，则是要排序的字段

示例

import numpy as np  
a = np.array([[3,7],[9,1]]) print '我们的数组是：' print a print '\n' print '调用 sort() 函数：' print np.sort(a) print '\n' print '沿轴 0 排序：' print np.sort(a, axis = 0) print '\n' # 在 sort 函数中排序字段 dt = np.dtype([('name', 'S10'),('age', int)]) a = np.array([("raju",21),("anil",25),("ravi", 17), ("amar",27)], dtype = dt) print '我们的数组是：' print a print '\n' print '按 name 排序：' print np.sort(a, order = 'name') 

Python

输出如下：

我们的数组是：
[[3 7]
 [9 1]]

调用 sort() 函数：
[[3 7]
 [1 9]]

沿轴 0 排序：
[[3 1]
 [9 7]]

我们的数组是：
[('raju', 21) ('anil', 25) ('ravi', 17) ('amar', 27)]

按 name 排序：
[('amar', 27) ('anil', 25) ('raju', 21) ('ravi', 17)]

numpy.argsort()

numpy.argsort()函数对输入数组沿给定轴执行间接排序，并使用指定排序类型返回数据的索引数组。 这个索引数组用于构造排序后的数组。

示例

import numpy as np 
x = np.array([3, 1, 2]) print '我们的数组是：' print x print '\n' print '对 x 调用 argsort() 函数：' y = np.argsort(x) print y print '\n' print '以排序后的顺序重构原数组：' print x[y] print '\n' print '使用循环重构原数组：' for i in y: print x[i], 

Python

输出如下：

我们的数组是：
[3 1 2]

对 x 调用 argsort() 函数：
[1 2 0]

以排序后的顺序重构原数组：
[1 2 3]

使用循环重构原数组：
1 2 3

numpy.lexsort()

函数使用键序列执行间接排序。 键可以看作是电子表格中的一列。 该函数返回一个索引数组，使用它可以获得排序数据。 注意，最后一个键恰好是 sort 的主键。

示例

import numpy as np 

nm =  ('raju','anil','ravi','amar') dv = ('f.y.', 's.y.', 's.y.', 'f.y.') ind = np.lexsort((dv,nm)) print '调用 lexsort() 函数：' print ind print '\n' print '使用这个索引来获取排序后的数据：' print [nm[i] + ", " + dv[i] for i in ind] 

Python

输出如下：

调用 lexsort() 函数：
[3 1 0 2]

使用这个索引来获取排序后的数据：
['amar, f.y.', 'anil, s.y.', 'raju, f.y.', 'ravi, s.y.']

NumPy 模块有一些用于在数组内搜索的函数。 提供了用于找到最大值，最小值以及满足给定条件的元素的函数。

numpy.argmax() 和 numpy.argmin()

这两个函数分别沿给定轴返回最大和最小元素的索引。

示例

import numpy as np 
a = np.array([[30,40,70],[80,20,10],[50,90,60]]) print '我们的数组是：' print a print '\n' print '调用 argmax() 函数：' print np.argmax(a) print '\n' print '展开数组：' print a.flatten() print '\n' print '沿轴 0 的最大值索引：' maxindex = np.argmax(a, axis = 0) print maxindex print '\n' print '沿轴 1 的最大值索引：' maxindex = np.argmax(a, axis = 1) print maxindex print '\n' print '调用 argmin() 函数：' minindex = np.argmin(a) print minindex print '\n' print '展开数组中的最小值：' print a.flatten()[minindex] print '\n' print '沿轴 0 的最小值索引：' minindex = np.argmin(a, axis = 0) print minindex print '\n' print '沿轴 1 的最小值索引：' minindex = np.argmin(a, axis = 1) print minindex 

Python

输出如下：

我们的数组是：
[[30 40 70]
 [80 20 10]
 [50 90 60]]

调用 argmax() 函数：
7

展开数组：
[30 40 70 80 20 10 50 90 60]

沿轴 0 的最大值索引：
[1 2 0]

沿轴 1 的最大值索引：
[2 0 1]

调用 argmin() 函数：
5

展开数组中的最小值：
10

沿轴 0 的最小值索引：
[0 1 1]

沿轴 1 的最小值索引：
[0 2 0]

numpy.nonzero()

numpy.nonzero()函数返回输入数组中非零元素的索引。

示例

import numpy as np 
a = np.array([[30,40,0],[0,20,10],[50,0,60]]) print '我们的数组是：' print a print '\n' print '调用 nonzero() 函数：' print np.nonzero (a) 

Python

输出如下：

我们的数组是：
[[30 40 0]
 [ 0 20 10]
 [50 0 60]]

调用 nonzero() 函数：
(array([0, 0, 1, 1, 2, 2]), array([0, 1, 1, 2, 0, 2]))

numpy.where()

where()函数返回输入数组中满足给定条件的元素的索引。

示例

import numpy as np 
x = np.arange(9.).reshape(3, 3) print '我们的数组是：' print x print '大于 3 的元素的索引：' y = np.where(x > 3) print y print '使用这些索引来获取满足条件的元素：' print x[y] 

Python

输出如下：

我们的数组是：
[[ 0. 1. 2.]
 [ 3. 4. 5.]
 [ 6. 7. 8.]]

大于 3 的元素的索引：
(array([1, 1, 2, 2, 2]), array([1, 2, 0, 1, 2]))

使用这些索引来获取满足条件的元素：
[ 4. 5. 6. 7. 8.]

numpy.extract()

extract()函数返回满足任何条件的元素。

import numpy as np 
x = np.arange(9.).reshape(3, 3) print '我们的数组是：' print x # 定义条件 condition = np.mod(x,2) == 0 print '按元素的条件值：' print condition print '使用条件提取元素：' print np.extract(condition, x) 

Python

输出如下：

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.]

转载于:https://www.cnblogs.com/navysummer/p/9640820.html