【Python】numpy方法合辑-排序方法

【Python】numpy方法合辑-排序方法

（一）sort

#返回原数组排序后的副本
numpy.sort(a, axis=-1, kind=None, order=None) 
#返回重排序的原数组
ndarray.sort(axis=-1, kind=None, order=None)
# 参数
"""
axis：默认值是-1，沿最后一个轴排序。
数组排序时的基准，axis=0 沿着列方向，axis=1 沿着行方向
kind：数组排序时使用的方法，默认quicksort(快速排序)，
heapsort,mergesort,timsort 
order：数据定义了字段后，可以根据选择字段进行排序。
"""

# demo
x = np.array([3.0, 5.0, 4.0, 7.0, 6.0, 1.0, 0.0, -1.0, -9.0, 11.0])
sort_x = np.sort(x)
print(sort_x)  # [-9. -1.  0.  1.  3.  4.  5.  6.  7. 11.]
print(sort_x[::-1])  # [11.  7.  6.  5.  4.  3.  1.  0. -1. -9.]

x = np.array([[3.0, 5.0, 4.0], [7.0,8.0, 6.0], [1.0,-9.0, 11.0]])
sort_x = np.sort(x, axis=0)
print(sort_x)  
print(sort_x[::-1, :])  #逆序

（二）argsort

numpy.argsort(a, axis=-1, kind=None, order=None)
返回对数组排序的索引

# 参数
"""
axis：默认值是-1，沿最后一个轴排序。
数组排序时的基准，axis=0 沿着列方向，axis=1 沿着行方向
kind：数组排序时使用的方法，默认quicksort(快速排序)，
heapsort,mergesort,timsort 
order：数据定义了字段后，可以根据选择字段进行排序。
"""
# demo
x = np.array([[3.0, 5.0, np.nan], [7.0, 5.0, 6.0], [1.0, -9.0, 11.0]])
indexer = np.argsort(x, axis=0)
print(indexer)
print(np.take_along_axis(x, indexer, axis=0))

# take_along_axis
# 根据索引从数据中获取对应的数据，注意axis 参数需要保持一致

（三）lexsort

numpy.lexsort(keys, axis=-1)
#给定多个排序键（可以解释为电子表格中的列），lexsort返回一个整数索引数组，
#该数组按多个列描述排序顺序。
#注意：序列中的最后一个键用于主排序顺序，排序键的顺序从最后一个数据开始。

# demo
surnames = ('Hertz', 'Galilei', 'Hertz')
first_names = ('Heinrich', 'Galileo', 'Gustav')
ind = np.lexsort([first_names, surnames])
print([surnames[i] + ", " + first_names[i] for i in ind])

（四）partition

numpy.partition(a, kth, axis=-1, kind='introselect', order=None)
返回数组的分区副本

# 参数
"""
kth: int or sequence of ints  为索引
partition函数先对数组a进行排序，kth这个值指的是排序后的索引，
因为是索引，所以这个数值不能大于等于这个数组的长度。所有较小的元素将在其前面移动，所有相等或更大的元素将在其后面移动。分区中所有元素的顺序未定义。
如果分多组怎么办呢？
kth就用列表或元组来实现。列表或元组中的数字，依然是从小到大排序后的索引，
"""
# demo
x = np.array([3, 5, np.nan, 7, 5, 6, 1, -9, 10])
print(np.partition(x, 5))

（五）argpartition

numpy.argpartition(a, kth, axis=-1, kind='introselect', order=None)
#与partition()类似，不过返回的不是分区排序好的元素数组，而是排序完成的元素索引数组