標簽：工作空間 bsp 電子表格 顯示 順序 複數 max HERE end
NumPy 提供了多种排序的方法。 这些排序函數实现不同的排序算法，每个排序算法的特征在于执行速度，最壞情況性能，所需的工作空間和算法的穩定性。 下表顯示了三种排序算法的比较。
| 種類 | 速度 | 最壞情況 | 工作空間 | 穩定性 |
|---|---|---|---|---|
‘quicksort‘（快速排序） |
1 | O(n^2) |
0 | 否 |
‘mergesort‘（歸並排序） |
2 | O(n*log(n)) |
~n/2 | 是 |
‘heapsort‘（堆排序） |
3 | O(n*log(n)) |
0 | 否 |
numpy.sort() 函數返回输入数组的排序副本。函數格式如下：
numpy.sort(a, axis, kind, order)
參數說明：
import numpy as np a = np.array([[3,7],[9,1]]) print (‘我們的數組是：‘) print (a) print (‘\n‘) print (‘调用 sort() 函數：‘) print (np.sort(a)) print (‘\n‘) print (‘按列排序：‘) print (np.sort(a, axis = 0)) print (‘\n‘) # 在 sort 函數中排序字段 dt = np.dtype([(‘name‘, ‘S10‘),(‘age‘, int)]) a = np.array([("raju",21),("anil",25),("ravi", 17), ("amar",27)], dtype = dt) print (‘我們的數組是：‘) print (a) print (‘\n‘) print (‘按 name 排序：‘) print (np.sort(a, order = ‘name‘))
numpy.argsort() 函數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 (‘我們的數組是：‘) print (x) print (‘\n‘) print (‘对 x 调用 argsort() 函數：‘) y = np.argsort(x) print (y) print (‘\n‘) print (‘以排序后的順序重构原数组：‘) print (x[y]) print (‘\n‘) print (‘使用循環重構原數組：‘) for i in y: print (x[i], end=" ")
numpy.lexsort() 用于对多个序列进行排序。把它想象成对電子表格进行排序，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，总成绩排在電子表格的最后一列，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() 函數：‘) print (ind) print (‘\n‘) print (‘使用這個索引來獲取排序後的數據：‘) print ([nm[i] + ", " + dv[i] for i in ind])
| 函數 | 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) | 对複數按照先实部后虚部的順序进行排序。 |
| partition(a, kth[, axis, kind, order]) | 指定一個數，對數組進行分區 |
| 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 |
複數排序：
numpy.argmax() 和 numpy.argmin()函數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 (‘我們的數組是：‘) print (a) print (‘\n‘) print (‘调用 argmax() 函數：‘) print (np.argmax(a)) print (‘\n‘) print (‘展開數組：‘) 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() 函數：‘) minindex = np.argmin(a) print (minindex) print (‘\n‘) print (‘展開數組中的最小值：‘) 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)
numpy.nonzero() 函數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 (‘我們的數組是：‘) print (a) print (‘\n‘) print (‘调用 nonzero() 函數：‘) print (np.nonzero (a))
numpy.where() 函數返回输入数组中满足给定条件的元素的索引。
numpy.extract() 函數根据某个条件从数组中抽取元素，返回满条件的元素。
数据可视化基础专题（50）：NUMPY基础（15）numpy 函數 （四）排序、条件刷选函數
標簽：工作空間 bsp 電子表格 顯示 順序 複數 max HERE end
原文地址：https://www.cnblogs.com/qiu-hua/p/14966152.html
