排序
np.msort(array)
联合间接排序
# 先按照主序列排序,若值相同,则按照参考序列排序.
indices = np.lexsort((参考序列, 主序列))
案例: 为商品排序. 价格 -> 销量
# 为商品排序. 价格 -> 销量
p = np.array(['Apple','HuaWei','OPPO','MI','VIVO'])
prices = [8888, 4500, 3999, 2999, 3999]
totals = np.array([100, 200, 99, 110, 80])
indices = np.lexsort((totals*-1, prices))
print(p[indices])
为复数数组排序
# 按照实部排序, 对于实部相同的复数则按照虚部排序
# 直接返回结果数组.
np.sort_complex(复数数组)
插入排序
若有需求要向有序数组中插入元素, 使数组依然有序, numpy提供了searchsorted方法查询并返回可插入位置数组.
indices = np.searchsorted(有序序列, 待插入序列)
np.insert(原数组, 位置序列, 待插入序列)
a = np.array([1, 2, 4, 6, 8])
b = np.array([3, 5])
indices = np.searchsorted(a, b)
print(indices)
a = np.insert(a, indices, b)
print(a)
插值
scipy提供了常见的插值算法, 可以通过样本数据的一定的规律生成插值器函数. 若我们给出函数的自变量, 将会得到函数值. 插值器可以通过一组离散的样本数据得到一个连续的函数, 从而可以计算样本中不包含的自变量所对应的函数值.
import scipy.interpolate as si
si.interp1d(
离散点的水平坐标,
离散点的垂直坐标,
kind='linear' #插值算法 默认:linear线性插值
)
案例:
"""
插值器
"""
import numpy as np
import matplotlib.pyplot as mp
import scipy.interpolate as si
min_x = -50
max_x = 50
dis_x = np.linspace(min_x, max_x, 15)
dis_y = np.sinc(dis_x)
mp.figure('interpolate',facecolor='lightgray')
mp.title('Interpolate',fontsize=16)
mp.grid(linestyle=':')
mp.scatter(dis_x, dis_y, marker='D',
c='red', label='Points')
# 通过这组散点, 构建线性插值器函数
linear = si.interp1d(dis_x, dis_y)
lin_x = np.linspace(min_x, max_x, 1000)
lin_y = linear(lin_x)
mp.plot(lin_x, lin_y, c='dodgerblue',
label='Linear Interpolate')
# 构建三次样条插值器
cubic = si.interp1d(dis_x, dis_y, kind='cubic')
cub_y = cubic(lin_x)
mp.plot(lin_x, cub_y, c='orangered',
label='Cubic Interpolate')
mp.legend()
mp.show()