好好看看web
NumPy 提供了多种排序的方法。 这些排序函数实现不一样的排序算法，每一个排序算法的特征在于执行速度，最坏状况性能，所需的工做空间和算法的稳定性。 下表显示了三种排序算法的比较。算法
| 种类 | 速度 | 最坏状况 | 工做空间 | 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。函数格式以下：数组
numpy.sort(a, axis, kind, order)
参数说明：app
- a: 要排序的数组
- axis: 沿着它排序数组的轴，若是没有数组会被展开，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: 若是数组包含字段，则是要排序的字段
import numpy as np a = np.array([[3, 7], [9, 1]]) print('咱们的数组是：') 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') print('按行列排序：') print(np.sort(a, axis=1)) print('\n')
输出结果：ide
咱们的数组是：
[[3 7]
[9 1]]函数
调用 sort() 函数：
[[3 7]
[1 9]]post
按列排序：
[[3 1]
[9 7]]性能
按行列排序：
[[3 7]
[1 9]]ui
在 sort 函数中，指定排序字段spa
import numpy as np dt = np.dtype([('name', 'S10'), ('age', int)]) a = np.array([("aaa", 21), ("ccc", 25), ("ddd", 17), ("bbb", 27)], dtype=dt) print('a数组：',a) print('按 name 排序：',np.sort(a, order='name'))
输出结果为：
a数组： [(b'aaa', 21) (b'ccc', 25) (b'ddd', 17) (b'bbb', 27)]
按 name 排序： [(b'aaa', 21) (b'bbb', 27) (b'ccc', 25) (b'ddd', 17)]
numpy.argsort()
numpy.argsort() 函数返回的是数组值从小到大的索引值。
import numpy as np x = np.array([3, 1, 2]) print ('咱们的数组是：') 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：
咱们的数组是： [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，每一列表明一个序列，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。
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]。
import numpy as np # 录入了四位同窗的成绩，按照总分排序，总分相同时语文高的优先 math = (10, 20, 50, 10) chinese = (30, 50, 40, 60) total = (40, 70, 90, 70) # 将优先级高的项放在后面 ind = np.lexsort((math, chinese, total)) for i in ind: print(total[i],chinese[i],math[i])
输出，是按总成绩排序，相同时语文成绩优先级更高:
40 30 10 70 50 20 70 60 10 90 40 50
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]) | 能够经过关键字 kind 指定算法沿着指定轴对数组进行分区 |
sort_complex 复数排序
import numpy as np print(np.sort_complex([5, 3, 6, 2, 1])) print(np.sort_complex([1 + 2j, 2 - 1j, 3 - 2j, 3 - 3j, 3 + 5j]))
输出结果：
[1.+0.j 2.+0.j 3.+0.j 5.+0.j 6.+0.j]
[1.+2.j 2.-1.j 3.-3.j 3.-2.j 3.+5.j]
partition 分区排序
import numpy as np a = np.array([3, 4, 2, 1]) # 将数组 a 中全部元素（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 print(np.partition(a, 3)) # 小于 1 的在前面，大于 3 的在后面，1和3之间的在中间 print(np.partition(a, (1, 3)))
输出结果：
[2 1 3 4]
[1 2 3 4]
argpartition
找到数组的第 3 小（index=2）的值和第 2 大（index=-2）的值
import numpy as np arr = np.array([46, 57, 23, 39, 1, 10, 0, 120]) print(arr[np.argpartition(arr, 2)[2]]) print(arr[np.argpartition(arr, -2)[-2]])
输出结果： 10 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，而后能够分别经过下标 [2] 和 [3] 取得。
import numpy as np arr = np.array([46, 57, 23, 39, 1, 10, 0, 120]) print(arr[np.argpartition(arr, [2,3])[2]]) print(arr[np.argpartition(arr, [2,3])[3]])
输出结果：
10
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。
import numpy as np a = np.array([[30, 40, 70], [80, 20, 10], [50, 90, 60]]) print('咱们的数组是：') print(a) print('\n') maxindex = np.argmax(a) print('调用 argmax() 函数：',maxindex) minindex = np.argmin(a) print('调用 argmin() 函数：',minindex) print('展开数组：',a.flatten()) print('展开数组中的最小值：',a.flatten()[minindex]) print('展开数组中的最大值：',a.flatten()[maxindex]) maxindex = np.argmax(a, axis=0) print('沿轴 0 的最大值索引：',maxindex) minindex = np.argmin(a, axis=0) print('沿轴 0 的最小值索引：',minindex) maxindex = np.argmax(a, axis=1) print('沿轴 1 的最大值索引：',maxindex) minindex = np.argmin(a, axis=1) print('沿轴 1 的最小值索引：',minindex)
输出结果为：
咱们的数组是：
[[30 40 70]
[80 20 10]
[50 90 60]]
调用 argmax() 函数： 7
调用 argmin() 函数： 5
展开数组： [30 40 70 80 20 10 50 90 60]
展开数组中的最小值： 10
展开数组中的最大值： 90
沿轴 0 的最大值索引： [1 2 0]
沿轴 0 的最小值索引： [0 1 1]
沿轴 1 的最大值索引： [2 0 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。
import numpy as np a = np.array([[30,40,0],[0,20,10],[50,0,60]]) print ('咱们的数组是：') print (a) print ('\n') print ('调用 nonzero() 函数：') print (np.nonzero (a))
输出结果为：
咱们的数组是： [[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知足给定条件的元素的索引。
import numpy as np x = np.arange(9.).reshape(3, 3) print('咱们的数组是：') print(x) print('\n') y = np.where(x > 3) print('大于 3 的元素的索引：') print(y) print('\n') print('使用这些索引来获取知足条件的元素：') print(x[y])
输出结果为：
咱们的数组是： [[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知足条件的元素： [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，返回知足条件的元素。
import numpy as np x = np.arange(9.).reshape(3, 3) print ('咱们的数组是：') 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：
咱们的数组是： [[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.]