NumPy排序、搜索和計數函數

NumPy - 排序、搜索和計數函數

NumPy中提供了各種排序相關功能。 這些排序函數實現不同的排序算法,每個排序算法的特徵在於執行速度,最壞情況性能,所需的工作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

最壞情況

工作空間

穩定性

'quicksort'(快速排序)

1

O(n^2)

0

'mergesort'(歸併排序)

2

O(n*log(n))

~n/2

'heapsort'(堆排序)

3

O(n*log(n))

0

numpy.sort()

sort()函數返回輸入數組的排序副本。 它有以下參數:

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

其中:

序號

參數及描述

1.

a 要排序的數組

2.

axis 沿着它排序數組的軸,如果沒有數組會被展開,沿着最後的軸排序

3.

kind 默認爲'quicksort'(快速排序)

4.

order 如果數組包含字段,則是要排序的字段

示例

import numpy as np  
a = np.array([[3,7],[9,1]])  
print  '我們的數組是:'  
print a 
print  '\n'  
print  '調用 sort() 函數:'  
print np.sort(a)  
print  '\n'  
print  '沿軸 0 排序:'  
print np.sort(a, axis =  0)  
print  '\n'  
# 在 sort 函數中排序字段 
dt = np.dtype([('name',  'S10'),('age',  int)]) 
a = np.array([("raju",21),("anil",25),("ravi",  17),  ("amar",27)], dtype = dt)  
print  '我們的數組是:'  
print a 
print  '\n'  
print  '按 name 排序:'  
print np.sort(a, order =  'name')

輸出如下:

我們的數組是:
[[3 7]
 [9 1]]

調用 sort() 函數:
[[3 7]
 [1 9]]

沿軸 0 排序:
[[3 1]
 [9 7]]

我們的數組是:
[('raju', 21) ('anil', 25) ('ravi', 17) ('amar', 27)]

按 name 排序:
[('amar', 27) ('anil', 25) ('raju', 21) ('ravi', 17)]

numpy.argsort()

numpy.argsort()函數對輸入數組沿給定軸執行間接排序,並使用指定排序類型返回數據的索引數組。 這個索引數組用於構造排序後的數組。

示例

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

輸出如下:

我們的數組是:
[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()

函數使用鍵序列執行間接排序。 鍵可以看作是電子表格中的一列。 該函數返回一個索引數組,使用它可以獲得排序數據。 注意,最後一個鍵恰好是 sort 的主鍵。

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  '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]

輸出如下:

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.']

NumPy 模塊有一些用於在數組內搜索的函數。 提供了用於找到最大值,最小值以及滿足給定條件的元素的函數。

numpy.argmax()numpy.argmin()

這兩個函數分別沿給定軸返回最大和最小元素的索引。

示例

import numpy as np 
a = np.array([[30,40,70],[80,20,10],[50,90,60]])  
print  '我們的數組是:'  
print a 
print  '\n'  
print  '調用 argmax() 函數:'  
print np.argmax(a)  
print  '\n'  
print  '展開數組:'  
print a.flatten()  
print  '\n'  
print  '沿軸 0 的最大值索引:' 
maxindex = np.argmax(a, axis =  0)  
print maxindex 
print  '\n'  
print  '沿軸 1 的最大值索引:' 
maxindex = np.argmax(a, axis =  1)  
print maxindex 
print  '\n'  
print  '調用 argmin() 函數:' 
minindex = np.argmin(a)  
print minindex 
print  '\n'  
print  '展開數組中的最小值:'  
print a.flatten()[minindex]  
print  '\n'  
print  '沿軸 0 的最小值索引:' 
minindex = np.argmin(a, axis =  0)  
print minindex 
print  '\n'  
print  '沿軸 1 的最小值索引:' 
minindex = np.argmin(a, axis =  1)  
print minindex

輸出如下:

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

調用 argmax() 函數:
7

展開數組:
[30 40 70 80 20 10 50 90 60]

沿軸 0 的最大值索引:
[1 2 0]

沿軸 1 的最大值索引:
[2 0 1]

調用 argmin() 函數:
5

展開數組中的最小值:
10

沿軸 0 的最小值索引:
[0 1 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。

示例

import numpy as np 
a = np.array([[30,40,0],[0,20,10],[50,0,60]])  
print  '我們的數組是:'  
print a 
print  '\n'  
print  '調用 nonzero() 函數:'  
print np.nonzero (a)

輸出如下:

我們的數組是:
[[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()

where()函數返回輸入數組中滿足給定條件的元素的索引。

示例

import numpy as np 
x = np.arange(9.).reshape(3,  3)  
print  '我們的數組是:'  
print x 
print  '大於 3 的元素的索引:' 
y = np.where(x >  3)  
print y 
print  '使用這些索引來獲取滿足條件的元素:'  
print x[y]

輸出如下:

我們的數組是:
[[ 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滿足條件的元素:
[ 4. 5. 6. 7. 8.]

numpy.extract()

extract()函數返回滿足任何條件的元素。

import numpy as np 
x = np.arange(9.).reshape(3,  3)  
print  '我們的數組是:'  
print x 
# 定義條件 
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)

輸出如下:

我們的數組是:
[[ 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.]