数组的排序
这一节将介绍用于排序Numpy数组的相关算法。
一、Numpy中的快速排序:np.sort 和 np.argsort
尽管Python 有内置的sort 和sorted 函数可以对列表进行排序,但是这里不会介绍这两个函数,因为NumPy 的np.sort 函数实际上效率更高。默认情况下,np.sort 的排序算法是快速排序,其算法复杂度为[N log N ],另外也可以选择归并排序和堆排序。对于大多数应用场景,默认的快速排序已经足够高效了。
如果想在不修改原始输入数组的基础上返回一个排好序的数组,可以使用np.sort:
>>> import numpy as np
>>> x = np.array([3,6,4,8,2,9,1])
>>> np.sort(x) # Numpy方法
array([1, 2, 3, 4, 6, 8, 9])
又是我们希望将排好序的数组替代原始数组,可以使用数组的sort方法:
>>> x.sort() # 数组本身的方法
>>> x
array([1, 2, 3, 4, 6, 8, 9])
另外一个相关的函数是argsort,该函数返回的是原始数组排好序的索引值:
>>> x = np.array([2, 1, 4, 3, 5])
>>> i = np.argsort(x)
>>> print(i)
[1 0 3 2 4] # 从小到大输出对应索引值
这些索引值可以被用于创建有序的数组:
>>> x[i]
array([1, 2, 3, 4, 5])
沿着行或列排序
Numpy算法的一个有用的功能是通过axis参数,沿着多维数组的行或列进行排序,例如:
>>> rand = np.random.RandomState(42)
>>> X = rand.randint(0, 10, (4, 6))
>>> X
array([[6, 3, 7, 4, 6, 9],
[2, 6, 7, 4, 3, 7],
[7, 2, 5, 4, 1, 7],
[5, 1, 4, 0, 9, 5]])
>>> np.sort(X,axis=0) # 对X的每一列排序
array([[2, 1, 4, 0, 1, 5],
[5, 2, 5, 4, 3, 7],
[6, 3, 7, 4, 6, 7],
[7, 6, 7, 4, 9, 9]])
>>> np.sort(X,axis=1) # 对X的每一行排序
array([[3, 4, 6, 6, 7, 9],
[2, 3, 4, 6, 7, 7],
[1, 2, 4, 5, 7, 7],
[0, 1, 4, 5, 5, 9]])
需要记住的是,这种处理方式是将行或列当作独立的数组,任何行或列的值之间的关系将会丢失!
附加:测试本身sort()方法,会改变原有数组:
>>> X.sort() # 默认情况下axis = 1,对行进行排序
>>> X
array([[3, 4, 6, 6, 7, 9],
[2, 3, 4, 6, 7, 7],
[1, 2, 4, 5, 7, 7],
[0, 1, 4, 5, 5, 9]])
>>> X.sort(axis=1)
>>> X
array([[3, 4, 6, 6, 7, 9],
[2, 3, 4, 6, 7, 7],
[1, 2, 4, 5, 7, 7],
[0, 1, 4, 5, 5, 9]])
>>> X.sort(axis=0)
>>> X
array([[0, 1, 4, 5, 5, 7],
[1, 2, 4, 5, 7, 7],
[2, 3, 4, 6, 7, 9],
[3, 4, 6, 6, 7, 9]])
二、部分排序:分隔
有时候我们不希望对整个数组进行排序,仅仅希望找到数组中第K大的值,Numpy的np.partition函数提供了该功能。np.partition函数的输入是数组和数字K,输出结果是一个新数组。
这个函数不用对数组进行重新排序,只需要把第K大小的元素放在同样的位置,比如第五大的元素放在索引为4的位置,然后小于这个数的元素放在左边,大于的放在右边。注意,排序规则是从0开始排序,即第一大的索引为0,第二大的元素为1
>>> x = np.array([7, 2, 3, 1, 6, 5, 4])
>>> np.partition(x, 3)
array([2, 1, 3, 4, 6, 5, 7])
>>>np.partition(x, 3)
array([2, 1, 3, 4, 6, 5, 7])