上一节:
下一节:

  NumPy - 排序、搜索和计数函数

  • 简述

    NumPy 中提供了各种与排序相关的功能。这些排序函数实现了不同的排序算法，每个算法的特点是执行速度、最坏情况下的性能、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 最差的情况 工作空间 稳定的
    '快速排序' 1 O(n^2) 0 不稳定
    '合并排序' 2 O(n*log(n)) ~n/2 稳定
    '堆排序' 3 O(n*log(n)) 0 不稳定

  • numpy.sort()

    sort() 函数返回输入数组的排序副本。它具有以下参数 - 
    
numpy.sort(a, axis, kind, order)
    函数说明
    序号 参数及说明
    1
    a
    要排序的数组
    2
    axis
    要对数组进行排序的轴。如果没有，则数组被展平，在最后一个轴上排序
    3
    kind
    默认为快速排序
    4
    order
    如果数组包含字段，则要排序的字段顺序

    例子

    
import numpy as np  
a = np.array([[3,7],[9,1]]) 
print 'Our array is:' 
print a 
print '\n'
print 'Applying sort() function:' 
print np.sort(a) 
print '\n' 
  
print 'Sort along axis 0:' 
print np.sort(a, axis = 0) 
print '\n'  
# Order parameter in sort function 
dt = np.dtype([('name', 'S10'),('age', int)]) 
a = np.array([("raju",21),("anil",25),("ravi", 17), ("amar",27)], dtype = dt) 
print 'Our array is:' 
print a 
print '\n'  
print 'Order by name:' 
print np.sort(a, order = 'name')
    它将产生以下输出 - 
    
Our array is:
[[3 7]
 [9 1]]
Applying sort() function:
[[3 7]
 [1 9]]
Sort along axis 0:
[[3 1]
 [9 7]]
Our array is:
[('raju', 21) ('anil', 25) ('ravi', 17) ('amar', 27)]
Order by name:
[('amar', 27) ('anil', 25) ('raju', 21) ('ravi', 17)]

  • numpy.argsort()

    numpy.argsort()函数沿给定轴对输入数组执行间接排序，并使用指定类型的排序返回数据索引数组。该索引数组用于构造排序数组。

    例子

    
import numpy as np 
x = np.array([3, 1, 2]) 
print 'Our array is:' 
print x 
print '\n'  
print 'Applying argsort() to x:' 
y = np.argsort(x) 
print y 
print '\n'  
print 'Reconstruct original array in sorted order:' 
print x[y] 
print '\n'  
print 'Reconstruct the original array using loop:' 
for i in y: 
   print x[i],
    它将产生以下输出 - 
    
Our array is:
[3 1 2]
Applying argsort() to x:
[1 2 0]
Reconstruct original array in sorted order:
[1 2 3]
Reconstruct the original array using loop:
1 2 3

  • numpy.lexsort()

    函数使用一系列键执行间接排序。这些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的数据。请注意，最后一个键恰好是排序的主键。

    例子

    
import numpy as np 
nm = ('raju','anil','ravi','amar') 
dv = ('f.y.', 's.y.', 's.y.', 'f.y.') 
ind = np.lexsort((dv,nm)) 
print 'Applying lexsort() function:' 
print ind 
print '\n'  
print 'Use this index to get sorted data:' 
print [nm[i] + ", " + dv[i] for i in ind]
    它将产生以下输出 - 
    
Applying lexsort() function:
[3 1 0 2]
Use this index to get sorted data:
['amar, f.y.', 'anil, s.y.', 'raju, f.y.', 'ravi, s.y.']
    NumPy 模块有许多用于在数组内搜索的函数。可以使用查找最大值、最小值以及满足给定条件的元素的功能。

  • 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。

    例子

    
import numpy as np 
a = np.array([[30,40,70],[80,20,10],[50,90,60]]) 
print 'Our array is:' 
print a 
print '\n' 
print 'Applying argmax() function:' 
print np.argmax(a) 
print '\n'  
print 'Index of maximum number in flattened array' 
print a.flatten() 
print '\n'  
print 'Array containing indices of maximum along axis 0:' 
maxindex = np.argmax(a, axis = 0) 
print maxindex 
print '\n'  
print 'Array containing indices of maximum along axis 1:' 
maxindex = np.argmax(a, axis = 1) 
print maxindex 
print '\n'  
print 'Applying argmin() function:' 
minindex = np.argmin(a) 
print minindex 
print '\n'  
   
print 'Flattened array:' 
print a.flatten()[minindex] 
print '\n'  
print 'Flattened array along axis 0:' 
minindex = np.argmin(a, axis = 0) 
print minindex
print '\n'
print 'Flattened array along axis 1:' 
minindex = np.argmin(a, axis = 1) 
print minindex
    它将产生以下输出 - 
    
Our array is:
[[30 40 70]
 [80 20 10]
 [50 90 60]]
Applying argmax() function:
7
Index of maximum number in flattened array
[30 40 70 80 20 10 50 90 60]
Array containing indices of maximum along axis 0:
[1 2 0]
Array containing indices of maximum along axis 1:
[2 0 1]
Applying argmin() function:
5
Flattened array:
10
Flattened array along axis 0:
[0 1 1]
Flattened array along axis 1:
[0 2 0]

  • numpy.nonzero()

    这numpy.nonzero()函数返回输入数组中非零元素的索引。

    例子

    
import numpy as np 
a = np.array([[30,40,0],[0,20,10],[50,0,60]]) 
print 'Our array is:' 
print a 
print '\n'  
print 'Applying nonzero() function:' 
print np.nonzero (a)
    它将产生以下输出 - 
    
Our array is:
[[30 40 0]
 [ 0 20 10]
 [50 0 60]]
Applying nonzero() function:
(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。

    例子

    
import numpy as np 
x = np.arange(9.).reshape(3, 3) 
print 'Our array is:' 
print x  
print 'Indices of elements > 3' 
y = np.where(x > 3) 
print y  
print 'Use these indices to get elements satisfying the condition' 
print x[y]
    它将产生以下输出 - 
    
Our array is:
[[ 0. 1. 2.]
 [ 3. 4. 5.]
 [ 6. 7. 8.]]
Indices of elements > 3
(array([1, 1, 2, 2, 2]), array([1, 2, 0, 1, 2]))
Use these indices to get elements satisfying the condition
[ 4. 5. 6. 7. 8.]

  • numpy.extract()

    这extract()函数返回满足任何条件的元素。 
    
import numpy as np 
x = np.arange(9.).reshape(3, 3) 
print 'Our array is:' 
print x  
# define a condition 
condition = np.mod(x,2) == 0 
print 'Element-wise value of condition' 
print condition  
print 'Extract elements using condition' 
print np.extract(condition, x)
    它将产生以下输出 - 
    
Our array is:
[[ 0. 1. 2.]
 [ 3. 4. 5.]
 [ 6. 7. 8.]]
Element-wise value of condition
[[ True False True]
 [False True False]
 [ True False True]]
Extract elements using condition
[ 0. 2. 4. 6. 8.]
上一节:
下一节: