NumPy - 排序、搜索和计数函数
NumPy中提供了各种排序相关功能。 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。文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/5890.html
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()
sort()
函数返回输入数组的排序副本。 它有以下参数:文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/5890.html
numpy.sort(a, axis, kind, order)
其中:文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/5890.html
序号 | 参数及描述 |
---|---|
1. | a 要排序的数组 |
2. | 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 |
3. | kind 默认为'quicksort' (快速排序) |
4. | order 如果数组包含字段,则是要排序的字段 |
示例
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 '沿轴 0 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')
输出如下:文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/5890.html
我们的数组是:
[[3 7]
[9 1]]
调用 sort() 函数:
[[3 7]
[1 9]]
沿轴 0 排序:
[[3 1]
[9 7]]
我们的数组是:
[('raju', 21) ('anil', 25) ('ravi', 17) ('amar', 27)]
按 name 排序:
[('amar', 27) ('anil', 25) ('raju', 21) ('ravi', 17)]
numpy.argsort()
numpy.argsort()
函数对输入数组沿给定轴执行间接排序,并使用指定排序类型返回数据的索引数组。 这个索引数组用于构造排序后的数组。文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/5890.html
示例
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],
输出如下:文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/5890.html
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()
函数使用键序列执行间接排序。 键可以看作是电子表格中的一列。 该函数返回一个索引数组,使用它可以获得排序数据。 注意,最后一个键恰好是 sort 的主键。文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/5890.html
示例
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]
输出如下:文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/5890.html
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.']
NumPy 模块有一些用于在数组内搜索的函数。 提供了用于找到最大值,最小值以及满足给定条件的元素的函数。文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/5890.html
numpy.argmax()
和 numpy.argmin()
这两个函数分别沿给定轴返回最大和最小元素的索引。文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/5890.html
示例
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
输出如下:文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/5890.html
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。文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/5890.html
示例
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)
输出如下:文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/5890.html
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()
where()
函数返回输入数组中满足给定条件的元素的索引。文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/5890.html
示例
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]
输出如下:文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/5890.html
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()
extract()
函数返回满足任何条件的元素。文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/5890.html
import numpy as np
x = np.arange(9.).reshape(3, 3)
print '我们的数组是:'
print x
# 定义条件
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)
输出如下:文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/5890.html
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.]
文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/5890.html