numpy的排序和插值

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()

在这里插入图片描述

  • 0
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值