NumPy 排序、条件刷选函数

NumPy 排序、条件刷选函数

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()

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 实例 import numpy as np a = np.array([[3,7],[9,1]]) print ('我们的数组是：') print (a) print ('n') print ('调用 sort() 函数：') print (np.sort(a)) print ('n') print ('按列排序：') print (np.sort(a, axis = 0)) print ('n') # 在 sort 函数中排序字段 dt = np.dtype([('name', 'S10'),('age', int)]) a = np.array([("raju",21),("anil",25),("ravi", 17), ("amar",27)], dtype = dt) print ('我们的数组是：') print (a) print ('n') print ('按 name 排序：') print (np.sort(a, order = 'name'))

输出结果为：

我们的数组是： [[3 7] [9 1]] 调用 sort() 函数： [[3 7] [1 9]] 按列排序： [[3 1] [9 7]] 我们的数组是： [(b'raju', 21) (b'anil', 25) (b'ravi', 17) (b'amar', 27)] 按 name 排序： [(b'amar', 27) (b'anil', 25) (b'raju', 21) (b'ravi', 17)] numpy.argsort()

numpy.argsort() 函数返回的是数组值从小到大的索引值。

实例 import numpy as np x = np.array([3, 1, 2]) print ('我们的数组是：') print (x) print ('n') print ('对 x 调用 argsort() 函数：') y = np.argsort(x) print (y) print ('n') print ('以排序后的顺序重构原数组：') print (x[y]) print ('n') print ('使用循环重构原数组：') for i in y: print (x[i], end=" ")

输出结果为：

我们的数组是： [3 1 2] 对 x 调用 argsort() 函数： [1 2 0] 以排序后的顺序重构原数组： [1 2 3] 使用循环重构原数组 1 2 3 numpy.lexsort()

numpy.lexsort() 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。

这里举一个应用场景：小升初考试，重点班录取学生按照总成绩录取。在总成绩相同时，数学成绩高的优先录取，在总成绩和数学成绩都相同时，按照英语成绩录取…… 这里，总成绩排在电子表格的最后一列，数学成绩在倒数第二列，英语成绩在倒数第三列。

实例 import numpy as np nm = ('raju','anil','ravi','amar') dv = ('f.y.', 's.y.', 's.y.', 'f.y.') ind = np.lexsort((dv,nm)) print ('调用 lexsort() 函数：') print (ind) print ('n') print ('使用这个索引来获取排序后的数据：') print ([nm[i] + ", " + dv[i] for i in ind])

输出结果为：

调用 lexsort() 函数： [3 1 0 2] 使用这个索引来获取排序后的数据： ['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

函数	描述
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：

>>> import numpy as np >>> np.sort_complex([5, 3, 6, 2, 1]) array([ 1.+0.j, 2.+0.j, 3.+0.j, 5.+0.j, 6.+0.j]) >>> >>> np.sort_complex([1 + 2j, 2 - 1j, 3 - 2j, 3 - 3j, 3 + 5j]) array([ 1.+2.j, 2.-1.j, 3.-3.j, 3.-2.j, 3.+5.j])

partition() 分区排序：

>>> a = np.array([3, 4, 2, 1]) >>> np.partition(a, 3) # 将数组 a 中所有元素（包括重复元素）从小到大排列，3 表示的是排序数组索引为 3 的数字，比该数字小的排在该数字前面，比该数字大的排在该数字的后面 array([2, 1, 3, 4]) >>> >>> np.partition(a, (1, 3)) # 小于 1 的在前面，大于 3 的在后面，1和3之间的在中间 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

>>> arr = np.array([46, 57, 23, 39, 1, 10, 0, 120]) >>> arr[np.argpartition(arr, 2)[2]] 10 >>> arr[np.argpartition(arr, -2)[-2]] 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。

>>> arr[np.argpartition(arr, [2,3])[2]] 10 >>> arr[np.argpartition(arr, [2,3])[3]] 23 numpy.argmax() 和 numpy.argmin()

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。

实例 import numpy as np a = np.array([[30,40,70],[80,20,10],[50,90,60]]) print ('我们的数组是：') print (a) print ('n') print ('调用 argmax() 函数：') print (np.argmax(a)) print ('n') print ('展开数组：') print (a.flatten()) print ('n') print ('沿轴 0 的最大值索引：') maxindex = np.argmax(a, axis = 0) print (maxindex) print ('n') print ('沿轴 1 的最大值索引：') maxindex = np.argmax(a, axis = 1) print (maxindex) print ('n') print ('调用 argmin() 函数：') minindex = np.argmin(a) print (minindex) print ('n') print ('展开数组中的最小值：') print (a.flatten()[minindex]) print ('n') print ('沿轴 0 的最小值索引：') minindex = np.argmin(a, axis = 0) print (minindex) print ('n') print ('沿轴 1 的最小值索引：') minindex = np.argmin(a, axis = 1) print (minindex)

输出结果为：

我们的数组是： [[30 40 70] [80 20 10] [50 90 60]] 调用 argmax() 函数： 7 展开数组： [30 40 70 80 20 10 50 90 60] 沿轴 0 的最大值索引： [1 2 0] 沿轴 1 的最大值索引： [2 0 1] 调用 argmin() 函数： 5 展开数组中的最小值： 10 沿轴 0 的最小值索引： [0 1 1] 沿轴 1 的最小值索引： [0 2 0] numpy.nonzero()

numpy.nonzero() 函数返回输入数组中非零元素的索引。

实例 import numpy as np a = np.array([[30,40,0],[0,20,10],[50,0,60]]) print ('我们的数组是：') print (a) print ('n') print ('调用 nonzero() 函数：') print (np.nonzero (a))

输出结果为：

我们的数组是： [[30 40 0] [ 0 20 10] [50 0 60]] 调用 nonzero() 函数： (array([0, 0, 1, 1, 2, 2]), array([0, 1, 1, 2, 0, 2])) numpy.where()

numpy.where() 函数返回输入数组中满足给定条件的元素的索引。

实例 import numpy as np x = np.arange(9.).reshape(3, 3) print ('我们的数组是：') print (x) print ( '大于 3 的元素的索引：') y = np.where(x > 3) print (y) print ('使用这些索引来获取满足条件的元素：') print (x[y])

输出结果为：

我们的数组是： [[0. 1. 2.] [3. 4. 5.] [6. 7. 8.]] 大于 3 的元素的索引： (array([1, 1, 2, 2, 2]), array([1, 2, 0, 1, 2])) 使用这些索引来获取满足条件的元素： [4. 5. 6. 7. 8.] numpy.extract()

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。

实例 import numpy as np x = np.arange(9.).reshape(3, 3) print ('我们的数组是：') print (x) # 定义条件, 选择偶数元素 condition = np.mod(x,2) == 0 print ('按元素的条件值：') print (condition) print ('使用条件提取元素：') print (np.extract(condition, x))

输出结果为：

我们的数组是： [[0. 1. 2.] [3. 4. 5.] [6. 7. 8.]] 按元素的条件值： [[ True False True] [False True False] [ True False True]] 使用条件提取元素： [0. 2. 4. 6. 8.]

排序