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.]