NumPy 排序、条件刷选函数
程序员文章站
2022-04-09 22:57:22
...
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。numpy.sort()
numpy.sort() 函数返回输入数组的排序副本。函数格式如下:
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
import numpy as np
a = np.array([[3, 7], [9, 1]])
print(a)
# [[3 7]
# [9 1]]
print('调用 sort() 函数:')
print(np.sort(a))
# [[3 7]
# [1 9]]
print('按列排序:')
print(np.sort(a, axis=0))
# [[3 1]
# [9 7]]
# 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('数组是:')
print(a)
#[(b'raju', 21) (b'anil', 25) (b'ravi', 17) (b'amar', 27)]
print('按 name 排序:')
print(np.sort(a, order='name'))
#[(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
。
import numpy as np
x = np.array([3, 1, 2])
print('数组是:')
print(x)
# [3 1 2]
print('对 x 调用 argsort() 函数:')
y = np.argsort(x)
print(y)
#[1 2 0]
print('以排序后的顺序重构原数组:')
print(x[y])
# [1 2 3]
print('使用循环重构原数组:')
for i in y:
print(x[i], end=" ")
# 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。
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])
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
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])
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('我们的数组是:')
print(a)
# [[30 40 70]
# [80 20 10]
# [50 90 60]]
print('调用 argmax() 函数:')
print(np.argmax(a))
#7
print('\n')
print('展开数组:')
print(a.flatten())
# [30 40 70 80 20 10 50 90 60]
print('沿轴 0 的最大值索引:')
maxindex = np.argmax(a, axis=0)
print(maxindex)
#[1 2 0]
print('沿轴 1 的最大值索引:')
maxindex = np.argmax(a, axis=1)
print(maxindex)
#[2 0 1]
print('调用 argmin() 函数:')
minindex = np.argmin(a)
print(minindex)
# 5
print('展开数组中的最小值:')
print(a.flatten()[minindex])
# 10
print('沿轴 0 的最小值索引:')
minindex = np.argmin(a, axis=0)
print(minindex)
# [0 1 1]
print('沿轴 1 的最小值索引:')
minindex = np.argmin(a, axis=1)
print(minindex)
# [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(a)
# [[30 40 0]
# [ 0 20 10]
# [50 0 60]]
print('调用 nonzero() 函数:')
print(np.nonzero(a))
m=np.nonzero(a)
# (array([0, 0, 1, 1, 2, 2], dtype=int64), array([0, 1, 1, 2, 0, 2], dtype=int64))
#返回值的前后两部分数组,对应位置组合(0,0),(0,1)表示非0元素在原数组中的位置
#输出非0元素
print(a[m])
# [30 40 20 10 50 60]
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。
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])
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。
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))
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.]