Numpy | 18 排序、條件篩選函數

好好看看

 

 

NumPy 提供了多種排序的方法。 這些排序函數實現不一樣的排序算法，每一個排序算法的特徵在於執行速度，最壞狀況性能，所需的工做空間和算法的穩定性。 下表顯示了三種排序算法的比較。

種類	速度	最壞狀況	工做空間	穩定性
'quicksort'（快速排序）	1	O(n^2)	0	否
'mergesort'（歸併排序）	2	O(n*log(n))	~n/2	是
'heapsort'（堆排序）	3	O(n*log(n))	0	否

numpy.sort()

numpy.sort() 函數返回輸入數組的排序副本。函數格式以下：

numpy.sort(a, axis, kind, order)

參數說明：

• a: 要排序的數組
• axis: 沿着它排序數組的軸，若是沒有數組會被展開，沿着最後的軸排序， axis=0 按列排序，axis=1 按行排序
• kind: 默認爲'quicksort'（快速排序）
• order: 若是數組包含字段，則是要排序的字段

 

 

import numpy as np

a = np.array([[3, 7], [9, 1]])
print('咱們的數組是：')
print(a)
print('\n')

print('調用 sort() 函數：')
print(np.sort(a))
print('\n')

print('按列排序：')
print(np.sort(a, axis=0))
print('\n')

print('按行列排序：')
print(np.sort(a, axis=1))
print('\n')

輸出結果：

咱們的數組是：
[[3 7]
[9 1]]

調用 sort() 函數：
[[3 7]
[1 9]]

按列排序：
[[3 1]
[9 7]]

按行列排序：
[[3 7]
[1 9]]

 

在 sort 函數中，指定排序字段

import numpy as np

dt = np.dtype([('name', 'S10'), ('age', int)])
a = np.array([("aaa", 21), ("ccc", 25), ("ddd", 17), ("bbb", 27)], dtype=dt)
print('a數組：',a)
print('按 name 排序：',np.sort(a, order='name'))

輸出結果爲：

a數組： [(b'aaa', 21) (b'ccc', 25) (b'ddd', 17) (b'bbb', 27)]
按 name 排序： [(b'aaa', 21) (b'bbb', 27) (b'ccc', 25) (b'ddd', 17)]

numpy.argsort()

numpy.argsort() 函數返回的是數組值從小到大的索引值。

import numpy as np 
 
x = np.array([3,  1,  2])  
print ('咱們的數組是：')
print (x)
print ('\n')

print ('對 x 調用 argsort() 函數：')
y = np.argsort(x)  
print (y)
print ('\n')

print ('以排序後的順序重構原數組：')
print (x[y])
print ('\n')

print ('使用循環重構原數組：')
for i in y:  
    print (x[i], end=" ")

輸出結果爲：

咱們的數組是： [3 1 2] 對 x 調用 argsort() 函數： [1 2 0] 以排序後的順序重構原數組： [1 2 3] 使用循環重構原數組 1 2 3

numpy.lexsort()

numpy.lexsort() 用於對多個序列進行排序。把它想象成對電子表格進行排序，每一列表明一個序列，排序時優先照顧靠後的列。

這裏舉一個應用場景：小升初考試，重點班錄取學生按照總成績錄取。在總成績相同時，數學成績高的優先錄取，在總成績和數學成績都相同時，按照英語成績錄取…… 這裏，總成績排在電子表格的最後一列，數學成績在倒數第二列，英語成績在倒數第三列。

import numpy as np 
 
nm =  ('raju','anil','ravi','amar') 
dv =  ('f.y.',  's.y.',  's.y.',  'f.y.') 
ind = np.lexsort((dv,nm))  

print ('調用 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])

輸出結果爲：

調用 lexsort() 函數： [3 1 0 2] 使用這個索引來獲取排序後的數據： ['amar, f.y.', 'anil, s.y.', 'raju, f.y.', 'ravi, s.y.']

上面傳入 np.lexsort 的是一個tuple，排序時首先排 nm，順序爲：amar、anil、raju、ravi 。綜上排序結果爲 [3 1 0 2]。

 

import numpy as np

# 錄入了四位同窗的成績，按照總分排序，總分相同時語文高的優先
math    = (10, 20, 50, 10)
chinese = (30, 50, 40, 60)
total   = (40, 70, 90, 70)

# 將優先級高的項放在後面
ind = np.lexsort((math, chinese, total))

for i in ind:
    print(total[i],chinese[i],math[i])

輸出，是按總成績排序，相同時語文成績優先級更高:

40 30 10 70 50 20 70 60 10 90 40 50

 

msort、sort_complex、partition、argpartition

函數	描述
msort(a)	數組按第一個軸排序，返回排序後的數組副本。np.msort(a) 相等於 np.sort(a, axis=0)。
sort_complex(a)	對複數按照先實部後虛部的順序進行排序。
partition(a, kth[, axis, kind, order])	指定一個數，對數組進行分區
argpartition(a, kth[, axis, kind, order])	能夠經過關鍵字 kind 指定算法沿着指定軸對數組進行分區

 

 

sort_complex 複數排序

import numpy as np

print(np.sort_complex([5, 3, 6, 2, 1]))
print(np.sort_complex([1 + 2j, 2 - 1j, 3 - 2j, 3 - 3j, 3 + 5j]))

輸出結果：

[1.+0.j 2.+0.j 3.+0.j 5.+0.j 6.+0.j]
[1.+2.j 2.-1.j 3.-3.j 3.-2.j 3.+5.j]

 

 

partition 分區排序

import numpy as np

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

# 將數組 a 中全部元素（包括重複元素）從小到大排列，3 表示的是排序數組索引爲 3 的數字，比該數字小的排在該數字前面，比該數字大的排在該數字的後面
print(np.partition(a, 3))

# 小於 1 的在前面，大於 3 的在後面，1和3之間的在中間
print(np.partition(a, (1, 3)))

輸出結果：

[2 1 3 4]
[1 2 3 4]

 

argpartition

找到數組的第 3 小（index=2）的值和第 2 大（index=-2）的值

import numpy as np

arr = np.array([46, 57, 23, 39, 1, 10, 0, 120])

print(arr[np.argpartition(arr, 2)[2]])
print(arr[np.argpartition(arr, -2)[-2]])

輸出結果： 10 57

同時找到第 3 和第 4 小的值。注意這裏，用 [2,3] 同時將第 3 和第 4 小的排序好，而後能夠分別經過下標 [2] 和 [3] 取得。

import numpy as np

arr = np.array([46, 57, 23, 39, 1, 10, 0, 120])
print(arr[np.argpartition(arr, [2,3])[2]])
print(arr[np.argpartition(arr, [2,3])[3]])

輸出結果：

10
23

 

numpy.argmax() 和 numpy.argmin()

numpy.argmax() 和 numpy.argmin()函數分別沿給定軸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('咱們的數組是：')
print(a)
print('\n')

maxindex = np.argmax(a)
print('調用 argmax() 函數：',maxindex)
minindex = np.argmin(a)
print('調用 argmin() 函數：',minindex)

print('展開數組：',a.flatten())
print('展開數組中的最小值：',a.flatten()[minindex])
print('展開數組中的最大值：',a.flatten()[maxindex])

maxindex = np.argmax(a, axis=0)
print('沿軸 0 的最大值索引：',maxindex)
minindex = np.argmin(a, axis=0)
print('沿軸 0 的最小值索引：',minindex)

maxindex = np.argmax(a, axis=1)
print('沿軸 1 的最大值索引：',maxindex)
minindex = np.argmin(a, axis=1)
print('沿軸 1 的最小值索引：',minindex)

輸出結果爲：

咱們的數組是：
[[30 40 70]
[80 20 10]
[50 90 60]]

調用 argmax() 函數： 7
調用 argmin() 函數： 5
展開數組： [30 40 70 80 20 10 50 90 60]
展開數組中的最小值： 10
展開數組中的最大值： 90
沿軸 0 的最大值索引： [1 2 0]
沿軸 0 的最小值索引： [0 1 1]
沿軸 1 的最大值索引： [2 0 1]
沿軸 1 的最小值索引： [0 2 0]

 

numpy.nonzero()

numpy.nonzero() 函數返回輸入數組中非零元素的索引。

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

print ('咱們的數組是：')
print (a)
print ('\n')

print ('調用 nonzero() 函數：')
print (np.nonzero (a))

輸出結果爲：

咱們的數組是： [[30 40 0] [ 0 20 10] [50 0 60]] 調用 nonzero() 函數： (array([0, 0, 1, 1, 2, 2]), array([0, 1, 1, 2, 0, 2]))

numpy.where()

numpy.where() 函數返回輸入數組中知足給定條件的元素的索引。

import numpy as np

x = np.arange(9.).reshape(3, 3)
print('咱們的數組是：')
print(x)
print('\n')

y = np.where(x > 3)
print('大於 3 的元素的索引：')
print(y)
print('\n')

print('使用這些索引來獲取知足條件的元素：')
print(x[y])

輸出結果爲：

咱們的數組是： [[0. 1. 2.] [3. 4. 5.] [6. 7. 8.]]
 大於 3 的元素的索引： (array([1, 1, 2, 2, 2]), array([1, 2, 0, 1, 2]))
 使用這些索引來獲取知足條件的元素： [4. 5. 6. 7. 8.]

numpy.extract()

numpy.extract() 函數根據某個條件從數組中抽取元素，返回知足條件的元素。

import numpy as np 
 
x = np.arange(9.).reshape(3,  3)  
print ('咱們的數組是：')
print (x)

# 定義條件, 選擇偶數元素
condition = np.mod(x,2)  ==  0  
print ('按元素的條件值：')
print (condition)

print ('使用條件提取元素：')
print (np.extract(condition, x))

輸出結果爲：

咱們的數組是： [[0. 1. 2.] [3. 4. 5.] [6. 7. 8.]]
 按元素的條件值： [[ True False True] [False True False] [ True False True]]
 使用條件提取元素： [0. 2. 4. 6. 8.]