NumPy 提供了多种排序的方法。 这些排序函数实现不同的排序算法,每个排序算法的特征在于执行速度,最坏情况性能,所需的工作空间和算法的稳定性。 下表显示了三种排序算法的比较
种类 | 速度 | 最坏情况 | 工作空间 | 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()
函数
返回输入数组的排序副本。函数格式如下:
numpy.sort(a, axis, kind, order)
参数说明:
-
a: 要排序的数组
-
axis: 沿着它排序数组的轴,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: 默认为’quicksort’(快速排序)
-
order: 如果数组包含字段,则是要排序的字段
示例:
In [1]: import numpy as np
In [2]: num = np.array([[3,7],[9,1]])
In [3]: num
Out[3]:
array([[3, 7],
[9, 1]])
In [4]: np.sort(num)
Out[4]:
array([[3, 7],
[1, 9]])
In [5]: np.sort(num, axis=0)
Out[5]:
array([[3, 1],
[9, 7]])
In [6]: dt = np.dtype([('name', 'S10'),('age', int)])
In [7]: dt
Out[7]: dtype([('name', 'S10'), ('age', '<i8')])
In [8]: num = np.array([("raju",21),("anil",25),("ravi", 17),("amar",27)], dtype=dt)
In [9]: num
Out[9]:
array([(b'raju', 21), (b'anil', 25), (b'ravi', 17), (b'amar', 27)],
dtype=[('name', 'S10'), ('age', '<i8')])
In [10]: print(num)
[(b'raju', 21) (b'anil', 25) (b'ravi', 17) (b'amar', 27)]
In [11]: np.sort(num, order='name')
Out[11]:
array([(b'amar', 27), (b'anil', 25), (b'raju', 21), (b'ravi', 17)],
dtype=[('name', 'S10'), ('age', '<i8')])
In [12]: print(np.sort(num, order='name'))
[(b'amar', 27) (b'anil', 25) (b'raju', 21) (b'ravi', 17)]
numpy.argsort()
函数
返回的是数组值从小到大的索引值
In [1]: import numpy as np
In [2]: x = np.array([3, 1, 2])
In [3]: x
Out[3]: array([3, 1, 2])
In [4]: y = np.argsort(x)
In [5]: y
Out[5]: array([1, 2, 0])
In [6]: x[y]
Out[6]: array([1, 2, 3])
In [7]: for i in y:
...: print (x[i], end=' ')
...:
1 2 3
numpy.lexsort()
函数
用于对多个序列进行排序。把它想象成对电子表格进行排序,每一列代表一个序列,排序时优先照顾靠后的列
In [1]: import numpy as np
In [2]: nm = ('raju', 'anil', 'ravi', 'amar')
In [3]: dv = ('f.y.', 's.y.', 's.y.', 'f.y.')
In [4]: ind = np.lexsort((dv, nm))
In [5]: ind
Out[5]: array([3, 1, 0, 2])
In [6]: [nm[i] + ', ' + dv[i] for i in ind]
Out[6]: ['amar, f.y.', 'anil, s.y.', 'raju, f.y.', 'ravi, s.y.']
上面传入 np.lexsort 的是一个tuple,排序时首先排 nm,顺序为:amar、anil、raju、ravi 。综上排序结果为 [3 1 0 2]
msort
、sort_complex
、partition
、argpartition
-
msort(a) 数组按第一个轴排序,返回排序后的数组副本。np.msort(a) 相等于 np.sort(a, axis=0)
-
sort_complex(a) 对复数按照先实部后虚部的顺序进行排序。
-
partition(a, kth[, axis, kind, order]) 指定一个数,对数组进行分区
-
argpartition(a, kth[, axis, kind, order]) 可以通过关键字 kind 指定算法沿着指定轴对数组进行分区
复数排序:
In [1]: import numpy as np
In [2]: np.sort_complex([5, 3, 6, 2, 1])
Out[2]: array([1.+0.j, 2.+0.j, 3.+0.j, 5.+0.j, 6.+0.j])
In [3]: np.sort_complex([1 + 2j, 2 - 1j, 3 - 2j, 3 - 3j, 3 + 5j])
Out[3]: array([1.+2.j, 2.-1.j, 3.-3.j, 3.-2.j, 3.+5.j])
partition() 分区排序:
In [4]: num = np.array([3, 4, 2, 1])
In [5]: np.partition(num, 3)
Out[5]: array([2, 1, 3, 4])
In [6]: np.partition(num, (1, 3))
Out[6]: array([1, 2, 3, 4])
找到数组的第 3 小(index=2)的值和第 2 大(index=-2)的值
In [7]: arr = np.array([46, 57, 23, 39, 1, 10, 0, 120])
In [8]: arr[np.argpartition(arr, 2)[2]]
Out[8]: 10
In [9]: arr[np.argpartition(arr, -2)[-2]]
Out[9]: 57
同时找到第 3 和第 4 小的值。注意这里,用 [2,3] 同时将第 3 和第 4 小的排序好,然后可以分别通过下标 [2] 和 [3] 取得
In [10]: arr[np.argpartition(arr, [2,3])[2]]
Out[10]: 10
In [11]: arr[np.argpartition(arr, [2,3])[3]]
Out[11]: 23
numpy.argmax()
和 numpy.argmin()
函数
分别沿给定轴返回最大和最小元素的索引
In [1]: import numpy as np
In [2]: num = np.array([[30,40,70],[80,20,10],[50,90,60]])
In [3]: num
Out[3]:
array([[30, 40, 70],
[80, 20, 10],
[50, 90, 60]])
In [4]: np.argmax(num)
Out[4]: 7
In [5]: num.flatten()
Out[5]: array([30, 40, 70, 80, 20, 10, 50, 90, 60])
In [6]: # 沿轴 0 的最大值索引
In [7]: np.argmax(num, axis=0)
Out[7]: array([1, 2, 0])
In [8]: # 沿轴 1 的最大值索引
In [9]: np.argmax(num, axis=1)
Out[9]: array([2, 0, 1])
In [10]: np.argmin(num)
Out[10]: 5
In [11]: # 展开数组中的最小值
In [12]: num.flatten()[minindex]
Out[12]: 10
In [13]: # 沿轴 0 的最小值索引
In [14]: np.argmin(num, axis=0)
Out[14]: array([0, 1, 1])
In [15]: np.argmin(num, axis=1)
Out[15]: array([0, 2, 0])
numpy.nonzero()
函数
返回输入数组中非零元素的索引
In [1]: import numpy as np
In [2]: num = np.array([[30,40,0],[0,20,10],[50,0,60]])
In [3]: num
Out[3]:
array([[30, 40, 0],
[ 0, 20, 10],
[50, 0, 60]])
In [4]: np.nonzero(num)
Out[4]: (array([0, 0, 1, 1, 2, 2]), array([0, 1, 1, 2, 0, 2]))
numpy.where()
函数
返回输入数组中满足给定条件的元素的索引
In [1]: import numpy as np
In [2]: x = np.arange(9.).reshape(3, 3)
In [3]: x
Out[3]:
array([[0., 1., 2.],
[3., 4., 5.],
[6., 7., 8.]])
In [4]: y = np.where(x > 3)
In [5]: y
Out[5]: (array([1, 1, 2, 2, 2]), array([1, 2, 0, 1, 2]))
In [6]: x[y]
Out[6]: array([4., 5., 6., 7., 8.])
numpy.extract()
函数
根据某个条件从数组中抽取元素,返回满条件的元素
In [1]: import numpy as np
In [2]: x = np.arange(9.).reshape(3, 3)
In [3]: x
Out[3]:
array([[0., 1., 2.],
[3., 4., 5.],
[6., 7., 8.]])
In [4]: y = np.mod(x, 2) == 0
In [5]: y
Out[5]:
array([[ True, False, True],
[False, True, False],
[ True, False, True]])
In [6]: np.extract(y, x)
Out[6]: array([0., 2., 4., 6., 8.])