对于数据分析来说,排序和筛选数据是不可或缺的一部分内容。NumPy 也提供了多种排序和筛选函数,本文就来介绍一下 NumPy 常见的排序和筛选函数。
排序函数
NumPy 中提供了排序相关的函数。排序函数已经帮助我们实现了不同的排序算法,我们只需要拿来直接使用就行。每个排序算法的执行速度,时间复杂度,空间复杂度和算法的稳定性都不相同,我们来看看常见的几种排序算法的比较。
排序算法速度时间复杂度空间复杂度稳定性
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(a, axis, kind, order)
这个排序函数有4个参数,我们来看看参数的说明:
参数说明
a
要排序的数组
axis
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
排序类型,有quicksort、mergesort、heapsort、stable几种,默认为quicksort(快速排序)
order
排序的字段,针对包含字段的数组
我们来看看实例:
importnumpy as npimporttime
a= np.array([[3, 7, 12, 45], [9, 1, 0, 34]])print("初始数组:")print(a)print('\n')print(np.char.center('调用 sort() 函数,默认快速排序', 15, '*'))print(np.sort(a))print('\n')print(np.char.center('按列排序', 15, '*'))print(np.sort(a, axis=0))print('\n')
b= np.random.randint(1, 1000, size=[10000, 10000])print(np.char.center('快速排序时间', 15, '*'))
t1=time.time()
np.sort(b)
t2=time.time()print(t2 -t1)print('\n')print(np.char.center('堆排序时间', 15, '*'))
t3=time.time()
np.sort(b,-1, 'heapsort')
t4=time.time()print(t4 -t3)print('\n')print(np.char.center('归并排序时间', 15, '*'))
t5=time.time()
np.sort(b,-1, 'mergesort')
t6=time.time()print(t6 -t5)print('\n')#根据字段排序
dt = np.dtype([('name', 'S10'), ('age', int)])
c= np.array([("raju", 21), ("anil", 25), ("ravi", 17), ("amar", 27)], dtype=dt)print(np.char.center('根据字段排序的数组', 15, '*'))print(c)print('\n')print(np.char.center('按 name 排序', 15, '*'))print(np.sort(c, order='name'))#返回
初始数组:
[[3 7 12 45]
[9 1 0 34]]
调用 sort() 函数,默认
[[3 7 12 45]
[ 01 9 34]]******按列排序*****[[3 1 0 34]
[9 7 12 45]]*****快速排序时间****
5.470074892044067
*****堆排序时间*****
6.988600015640259
*****归并排序时间****
5.784327983856201
***根据字段排序的数组***[(b'raju', 21) (b'anil', 25) (b'ravi', 17) (b'amar', 27)]***按 name 排序***[(b'amar', 27) (b'anil', 25) (b'raju', 21) (b'ravi', 17)]
在例子中,我们首先使用了默认的按横轴的快速排序算法,可以看到每个数组都是横向排序的。
接下来,我们多加了一个排序的参数,表示按纵轴排序,我们可以从结果中看到,两个数组中对应位置的元素都按照升序排列了。
接着我们随机生成了一个数据量大的多维数组,然后使用三种排序方式,打印了它们排序的时间,从结果中我们可以看到快速排序最快,其次是归并排序,最后是堆排序。需要注意一点的是,有些排序算法不稳定,可能会导致每次运行的结果不一样。另外,数据量也可能会影响不同排序算法排序的效率。
最后我们创建了一个带字段的数组,然后按照name字段排序。
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。
我们来看实例:
importnumpy as np
a= np.array([3, 4, 2])print("初始数组:")print(a)print('\n')print(np.char.center('调用 argsort() 函数', 15, '*'))
b=np.argsort(a)print(b)print('\n')print(np.char.center('以排序后的顺序重构原数组', 15, '*'))print(a[b])print('\n')#返回
初始数组:
[3 4 2]
调用 argsort() 函数
[2 0 1]**以排序后的顺序重构原数组*[2 3 4]
在上面例子中,我们调用argsort()函数后,返回了初始数组的排序后的索引。然后我们用排序后的索引数组重构原数组,得到排序后的数组。
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。
对于这个函数,我们假设一种场景:现在有语文和数学考试成绩以及总成绩,我们需要对成绩做个排序,排序原则为总分优先,总分相同则语文高的排前面。
实现的代码如下:
importnumpy as npprint(np.char.center('lexsort() 函数', 15, '*'))#录入了四位同学的成绩
math = (10, 20, 50, 10)
chinese= (30, 50, 40, 60)
total= (40, 70, 90, 70)#将优先级高的项放在后面
ind =np.lexsort((math, chinese, total))for i inind:print(total[i], chinese[i], math[i])#返回
**lexsort() 函数*
40 30 10
70 50 20
70 60 10
90 40 50
例子中我们将参数由优先级从低到高传入,优先级最高的放在最后。最后得到4个同学的成绩排序。
numpy.msort()
数组按第一个轴排序,返回排序后的数组副本。
这个排序相当于 numpy.sort(a, axis=0)。很好理解。我们直接来看实例:
importnumpy as npprint(np.char.center('msort() 函数', 20, '*'))
msa= np.array([[3, 7, 12, 45], [9, 1, 0, 34]])print(np.msort(msa))#返回
*****msort() 函数*****[[3 1 0 34]
[9 7 12 45]]
numpy.partition()
指定一个数,对数组进行分区。
通俗点说,就是指定一个数,以这个数为中心,将其他数分别放在这个数的两边。
我们来看实例:
importnumpy as npprint(np.char.center('partition() 函数', 20, '*'))
pta= np.array([3, 7, 12, 45, 15, 0])print(np.partition(pta, 2))print('\n')print(np.partition(pta, (2, 4)))print('\n')#返回
***partition() 函数***[ 03 7 45 15 12]
[ 03 7 12 15 45]
在第一次排序时,我们选中了索引为2的数字7作为中心,将小于7的数放在左边,大于7的数放在右边。在第二次排序时,我们选择了索引为2的数字7和索引为4的数字45,将小于7的数放在左边,大于7小于45的数放在中间,大于45的数放在右边。
查找函数
下面我们来看几个常见的查找函数,这些函数用于在数组中查找特定条件的元素。
numpy.argmax()
返回沿给定轴的最大值索引。
注意,索引的值是从0开始计算的。
我们来看实例:
importnumpy as np
a= np.array([[30, 40, 70], [80, 20, 10], [50, 90, 60]])print(np.char.center('初始数组', 20, '*'))print(a)print('\n')print(np.char.center('调用 argmax() 函数', 20, '*'))print(np.argmax(a))print('\n')print(np.char.center('展开数组', 20, '*'))print(a.flatten())print('\n')print(np.char.center('沿0轴的最大索引', 20, '*'))print(np.argmax(a, 0))print('\n')print(np.char.center('沿1轴的最大索引', 20, '*'))print(np.argmax(a, 1))print('\n')#返回
********初始数组********[[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0轴的最大索引******[1 20]******沿1轴的最大索引******[2 0 1]
numpy.argmin()
返回沿给定轴的最小值索引。
注意,索引的值是从0开始计算的。
我们来看实例:
importnumpy as np
a= np.array([[30, 40, 70], [80, 20, 10], [50, 90, 60]])print(np.char.center('初始数组', 20, '*'))print(a)print('\n')print(np.char.center('调用 argmin() 函数', 20, '*'))print(np.argmin(a))print('\n')print(np.char.center('沿0轴的最小索引', 20, '*'))print(np.argmin(a, 0))print('\n')print(np.char.center('沿1轴的最小索引', 20, '*'))print(np.argmin(a, 1))print('\n')#返回
********初始数组********[[30 40 70]
[80 20 10]
[50 90 60]]***调用 argmin() 函数***
5
******沿0轴的最小索引******[01 1]******沿1轴的最小索引******[02 0]
numpy.nonzero()
返回输入数组中非零元素的索引。
只有a中非零元素才会有索引值,那些零值元素没有索引值;
返回的索引值数组是一个2维tuple数组,该tuple数组中包含一维的array数组。其中,一维array向量的个数与a的维数是一致的。
索引值数组的每一个array均是从一个维度上来描述其索引值。比如,如果a是一个二维数组,则索引值数组有两个array,第一个 array 从行维度来描述索引值;第二个array从列维度来描述索引值。
该np.transpose(np.nonzero(x)) 函数能够描述出每一个非零元素在不同维度的索引值。
我们来看实例:
importnumpy as np
b= np.array([[30, 40, 0], [0, 20, 10], [50, 0, 60]])print(np.char.center('我们的数组是', 20, '*'))print(b)print(np.char.center('调用 nonzero() 函数', 20, '*'))
c=np.nonzero(b)print(c)print(np.transpose(np.nonzero(b)))#返回
*******我们的数组是*******[[30 400]
[ 020 10]
[50 0 60]]**调用 nonzero() 函数***(array([0, 0,1, 1, 2, 2]), array([0, 1, 1, 2, 0, 2]))
[[0 0]
[01]
[1 1]
[1 2]
[20]
[2 2]]
我们通过np.transpose()方法转换后看起来比较直观,注意这里的索引是从0开始算的。
numpy.where()
返回输入数组中满足给定条件的元素的索引。
我们来看实例:
importnumpy as np
b= np.array([[30, 40, 0], [0, 20, 10], [50, 0, 60]])print(np.char.center('调用 where() 函数', 20, '*'))print(np.where(b > 20))print(np.transpose(np.where(b > 20)))#返回
***调用 where() 函数****(array([0, 0,2, 2]), array([0, 1, 0, 2]))
[[0 0]
[01]
[20]
[2 2]]
这里面我们输入的条件是大于20,数组中大于20的数的索引都被查找出来了。
numpy.extract()
根据某个条件从数组中抽取元素,返回满条件的元素。
我们来看实例:
importnumpy as np
x= np.arange(9.).reshape(3, 3)print(np.char.center('我们的数组是', 20, '*'))print(x)#定义条件, 选择偶数元素
condition = np.mod(x, 2) ==0print(np.char.center('按元素的条件值', 20, '*'))print(condition)print(np.char.center('使用条件提取元素', 20, '*'))print(np.extract(condition, x))#返回
*******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.]
例子中,我们先定义了一个条件,就是选择偶数。然后我们可以打印这个数组每个元素是否满足条件。最后我们调用extract()方法返回满足条件的元素。注意这里返回的是元素,而不是元素的索引。