排序
排序是指以特定格式排列数据。排序算法指定以特定顺序排列数据的方式。最常见的顺序是数字或字典顺序。在 Numpy 中，我们可以使用库中提供的各种函数（如 sort、lexsort、argsort 等）执行各种排序操作。
numpy.sort()： 此函数返回数组的排序副本。
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
|
# 导入库
import numpy as np
# 沿第一轴排序
a = np.array([[12, 15], [10, 1]])
arr1 = np.sort(a, axis = 0)
print ("Along first axis : \n", arr1)
# 沿最后一个轴排序
a = np.array([[10, 15], [12, 1]])
arr2 = np.sort(a, axis = -1)
print ("\nAlong first axis : \n", arr2)
a = np.array([[12, 15], [10, 1]])
arr1 = np.sort(a, axis = None)
print ("\nAlong none axis : \n", arr1)
|
输出 ：
Along first axis :
[[10 1]
[12 15]]
Along first axis :
[[10 15]
[ 1 12]]
Along none axis :
[ 1 10 12 15]
numpy.argsort()： 此函数返回将对数组进行排序的索引。
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
|
# 演示 numpy.argsort 工作的 Python 代码
import numpy as np
# 已创建 Numpy 数组
a = np.array([9, 3, 1, 7, 4, 3, 6])
# 未排序的数组打印
print('Original array:\n', a)
# 排序数组索引
b = np.argsort(a)
print('Sorted indices of original array->', b)
# 要使用排序索引获取排序数组 c 是由与 b 相同的 len 创建的临时数组
c = np.zeros(len(b), dtype = int)
for i in range(0, len(b)):
c[i]= a[b[i]]
print('Sorted array->', c)
|
在 IDE 上运行
输出：
Original array:
[9 3 1 7 4 3 6]
Sorted indices of original array-> [2 1 5 4 6 3 0]
Sorted array-> [1 3 3 4 6 7 9]
numpy.lexsort()： 此函数使用一系列键返回间接稳定排序。
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
|
# 演示 numpy.lexsort() 工作的 Python 代码
import numpy as np
# numpy数组创建第一列
a = np.array([9, 3, 1, 3, 4, 3, 6])
# 第二栏
b = np.array([4, 6, 9, 2, 1, 8, 7])
print('column a, column b')
for (i, j) in zip(a, b):
print(i, ' ', j)
# 按 a 然后按 b 排序
ind = np.lexsort((b, a))
print('Sorted indices->', ind)
|
输出 ：
column a, column b
9 4
3 6
1 9
3 2
4 1
3 8
6 7
Sorted indices-> [2 3 1 5 4 6 0]
| 功能 |
描述 |
| numpy.ndarray.sort() |
就地对数组进行排序。 |
| numpy.msort() |
返回沿第一个轴排序的数组的副本。 |
| numpy.sort_complex() |
首先使用实部对复数数组进行排序，然后使用虚部。 |
| numpy.partition() |
返回数组的分区副本。 |
| numpy.argpartition() |
使用 kind 关键字指定的算法沿给定轴执行间接分区。 |
搜索
搜索是一种操作或技术，可帮助查找给定元素或值在列表中的位置。根据是否找到正在搜索的元素，任何搜索都被称为成功或不成功。在 Numpy 中，我们可以使用库中提供的各种函数（如 argmax、argmin、nanaargmax 等）执行各种搜索操作。
numpy.argmax()： 此函数返回特定轴中数组的最大元素的索引。
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
|
# 说明 argmax() 工作的 Python 程序
import numpy as geek
# 处理二维数组
array = geek.arange(12).reshape(3, 4)
print("INPUT ARRAY : \n", array)
# 没有提到轴，所以适用于整个阵列
print("\nMax element : ", geek.argmax(array))
# 根据索引返回最大元素的索引
print(("\nIndices of Max element : "
, geek.argmax(array, axis=0)))
print(("\nIndices of Max element : "
, geek.argmax(array, axis=1)))
|
输出 ：
INPUT ARRAY :
[[ 0 1 2 3]
[ 4 5 6 7]
[ 8 9 10 11]]
Max element : 11
Indices of Max element : [2 2 2 2]
Indices of Max element : [3 3 3]
numpy.nanargmax()： 此函数返回忽略 NaN 的特定轴中数组的最大元素的索引。如果切片仅包含 NaN 和 Infs，则结果不可信。
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
|
# 说明 nanargmax() 工作的 Python 程序
import numpy as geek
# 处理一维数组
array = [geek.nan, 4, 2, 3, 1]
print("INPUT ARRAY 1 : \n", array)
array2 = geek.array([[geek.nan, 4], [1, 3]])
# 根据忽略 NaN 的索引返回最大元素的索引
print(("\nIndices of max in array1 : "
, geek.nanargmax(array)))
# 处理二维数组
print("\nINPUT ARRAY 2 : \n", array2)
print(("\nIndices of max in array2 : "
, geek.nanargmax(array2)))
print(("\nIndices at axis 1 of array2 : "
, geek.nanargmax(array2, axis = 1)))
|
输出 ：
INPUT ARRAY 1 :
[nan, 4, 2, 3, 1]
Indices of max in array1 : 1
INPUT ARRAY 2 :
[[ nan 4.]
[ 1. 3.]]
Indices of max in array2 : 1
Indices at axis 1 of array2 : [1 1]
numpy.argmin()： 此函数返回沿轴的最小值的索引。
|
1
2
3
4
5
6
7
8
9
10
11
|
# 说明 argmin() 工作的 Python 程序
import numpy as geek
# 处理一维数组
array = geek.arange(8)
print("INPUT ARRAY : \n", array)
# 根据索引返回 min 元素的索引
print("\nIndices of min element : ", geek.argmin(array, axis=0))
|
在 IDE 上运行
输出 ：
INPUT ARRAY :
[0 1 2 3 4 5 6 7]
Indices of min element : 0
| 功能 |
描述 |
| numpy.nanargmin() |
返回指定轴中最小值的索引，忽略 NaN。 |
| numpy.argwhere() |
查找按元素分组的非零数组元素的索引。 |
| numpy.nonzero() |
返回非零元素的索引。 |
| numpy.flatnonzero() |
在 a 的扁平化版本中返回非零索引。 |
| numpy.where() |
根据条件返回从 x 或 y 中选择的元素。 |
| numpy.searchsorted() |
查找应插入元素以保持顺序的索引。 |
| numpy.extract() |
返回满足某个条件的数组元素。 |
Counting
numpy.count_nonzero() ：计算数组中非零值的数量。
|
1
2
3
4
5
6
7
8
9
10
11
|
# 说明 count_nonzero() 工作的 Python 程序
import numpy as np
# 计算多个非零值
a = np.count_nonzero([[0,1,7,0,0],[3,0,0,2,19]])
b = np.count_nonzero(([[0,1,7,0,0],[3,0,0,2,19]]
, axis=0))
print("Number of nonzero values is :",a)
print("Number of nonzero values is :",b)
|
在 IDE 上运行
输出 ：
Number of nonzero values is : 5
Number of nonzero values is : [1, 1, 1, 1, 1]
|
