NumPy排序,搜索和计数功能


NumPy提供了各种与分类相关的功能。这些排序功能实现了不同的排序算法,每种排序算法都以执行速度,最差情况下的性能,所需的工作空间以及算法的稳定性为特征。下表显示了三种排序算法的比较。

分类 速度 最坏的情况下 工作空间 稳定
“快速排序” 1 为O(n ^ 2) 0 没有
“归并” 2 O(N `*`的log(n)) 〜n / 2个
“堆排序” 3 O(N *的log(n)) 0 没有

numpy.sort()

sort()函数返回输入数组的有序副本。它有以下参数 -

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

哪里,

Sr.No. 参数和说明
1 a
数组进行排序
2 axis
要排序数组的轴。如果没有,则数组将变平,并在最后一个轴上排序
3 kind
默认是快速排序
4 order
如果数组包含字段,则要排序字段的顺序

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')

它会产生以下输出 -

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()

所述 numpy.argsort() 函数执行输入阵列上的间接排序,沿给定轴,并使用特定种类排序返回的数据的索引的数组。这个索引数组用于构造排序后的数组。

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],

它会产生以下输出 -

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。这些键可以看作电子表格中的一列。该函数返回一个索引数组,使用该索引可以获取排序后的数据。请注意,最后一个键恰好是排序的主键。

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]

它会产生以下输出 -

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模块有一些用于在数组内搜索的函数。用于查找最大值,最小值以及满足给定条件的元素的函数是可用的。

numpy.argmax()和numpy.argmin()

这两个函数分别沿给定的轴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 '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

它会产生以下输出 -

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()

所述 numpy.nonzero() 函数返回输入数组中的非零元素的索引。

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)

它会产生以下输出 -

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()函数返回满足给定条件的输入数组中元素的索引。

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]

它会产生以下输出 -

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()

提取物() 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)

它会产生以下输出 -

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.]