NumPy 排序、条件刷选函数

SRE实战 互联网时代守护先锋，助力企业售后服务体系运筹帷幄！一键直达领取阿里云限量特价优惠。

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

import numpy as np

'''
numpy.sort()
numpy.sort() 函数返回输入数组的排序副本。

numpy.argsort()
numpy.argsort() 函数返回的是数组值从小到大的索引值。

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。
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。
'''

a = np.array([[3,7],[9,1]])
print ('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)])
print(dt)
a = np.array([("raju",21),("anil",25),("ravi",  17),  ("amar",27)], dtype = dt)
print ('数组是：')
print (a)
print ('\n')
print ('按 name 排序：')
print (np.sort(a, order =  'name'))
print ('\n')

x = np.array([4,  1,  2])
print ('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=" ")
print ('\n')

a = [1,5,1,4,3,4,4]
b = [9,4,0,4,0,2,1]
ind = np.lexsort((b,a))
print(ind)
# b在前，a在后，即是先按照a的元素进行比较
# 如a中的最小值为两个1，其索引分别为0,2，再计较b中相应索引上的值，即9,0
# 对应的最小应是：1,0，而其对应的索引为2，所以排序后返回的结果第一个值为索引2
# 下一个最小应是：1,9，而其对应的索引为0，所以排序后返回的结果第一个值为索引0
# 以此类推...
print ([str(a[i])  +  ", "  + str(b[i])  for i in ind])

>>>

数组是：
 [[3 7]
  [9 1]]

 调用 sort() 函数：
 [[3 7]
  [1 9]]

 按列排序：
 [[3 1]
  [9 7]]
 [('name', 'S10'), ('age', '<i4')]

 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)]

 数组是：
 [4 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 4]

 使用循环重构原数组：
 1 2 4 

 [2 0 4 6 5 3 1]

 ['1, 0', '1, 9', '3, 0', '4, 1', '4, 2', '4, 4', '5, 4']

 

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

import numpy as np

'''
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) 复数排序
对复数按照先实部后虚部的顺序进行排序。

partition(a) 分区排序
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

'''

a = np.array([3,4,9,1,0,15]);

print('msort:')
print(np.msort(a))
print('\n')

a = np.sort_complex([5, 3, 6, 2, 1])

print('sort_complex:')
print(a)
print('\n')

a = np.array([3, 4, 2, 1])

print('partition:')
print(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，比第3小的放在前面，大的放在后面
print(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
print('\n')

a = np.array([46, 57, 23, 39, 1, 10, 0, 120])
print('argpartition:')
#找到数组的第 3 小（index=2）的值和第 2 大（index=-2）的值
print(a[np.argpartition(a, 2)[2]])
print(a[np.argpartition(a, -2)[-2]])

#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。
print(a[np.argpartition(a, [2,3])[2]])
print(a[np.argpartition(a, [2,3])[3]])

>>>

msort:
 [ 0  1  3  4  9 15]

 sort_complex:
 [1.+0.j 2.+0.j 3.+0.j 5.+0.j 6.+0.j]

 partition:
 [2 1 3 4]
 [1 2 3 4]

 argpartition:
 10
 57
 10
 23

import numpy as np

'''
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。
'''

a = np.array([[30,40,70],[80,20,10],[50,90,60]])
print  ('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)

>>>

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]

import numpy as np

'''
numpy.nonzero()
numpy.nonzero() 函数返回输入数组中非零元素的索引。

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。

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。
'''

a = np.array([[30,40,0],[0,20,10],[50,0,60]])

print ('数组是：')
print (a)
print ('\n')
print ('调用 nonzero() 函数：')
y = np.nonzero(a)
print (y)
print ('\n')
print ('满足条件的元素：')
print (a[y])
print ('\n')

x = np.arange(9.).reshape(3,  3)
print ('数组是：')
print (x)
print ('\n')
print ( '大于 3 的元素的索引：')
y = np.where(x >  3)
print (y)
print ('\n')
print ('使用这些索引来获取满足条件的元素：')
print (x[y])
print ('\n')

x = np.arange(9.).reshape(3,  3)
print ('数组是：')
print (x)
print ('\n')
# 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 ('\n')
print ('使用条件提取元素：')
print (np.extract(condition, x))

>>>

数组是：
 [[30 40  0]
  [ 0 20 10]
  [50  0 60]]

 调用 nonzero() 函数：
 (array([0, 0, 1, 1, 2, 2], dtype=int32), array([0, 1, 1, 2, 0, 2], dtype=int32))

 满足条件的元素：
 [30 40 20 10 50 60]

 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], dtype=int32), array([1, 2, 0, 1, 2], dtype=int32))

 使用这些索引来获取满足条件的元素：
 [4. 5. 6. 7. 8.]

 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.]

扫码关注我们

微信号：SRE实战

拒绝背锅 运筹帷幄