NumPy 排序、条件刷选函数

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，每个排序算法的不同在于执行速度，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。

numpy.sort()

numpy.sort() 函数返回输入数组的排序副本。

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

import numpy as np

a = np.array([[3, 7], [9, 1]])
print('我们的数组是：')
print(a)

print('调用 sort() 函数：')
print(np.sort(a))

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

# 在 sort 函数中排序字段
dt = np.dtype([('name', 'S10'), ('age', int)])
a = np.array([("raju", 21), ("anil", 25), ("ravi", 17), ("amar", 27)], dtype=dt)
print('我们的数组是：')
print(a)

print('按 name 排序：')
print(np.sort(a, order='name'))
# 我们的数组是：
# [[3 7]
#  [9 1]]
# 
# 调用 sort() 函数：
# [[3 7]
#  [1 9]]
# 
# 按列排序：
# [[3 1]
#  [9 7]]
# 
# 我们的数组是：
# [(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)]

numpy.argsort()

本函数对输入数组沿给定轴执行间接排序，并使用指定排序类型返回数据的索引数组。

返回的是数组值从小到大的索引值，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('我们的数组是：')
print(x)

print('对 x 调用 argsort() 函数：')
y = np.argsort(x)
print(y)

print('以排序后的顺序重构原数组：')
print(x[y])

print('使用循环重构原数组：')
for i in y:
    print(x[i], end=" ")
# 我们的数组是：
# [3 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 3]
# 使用循环重构原数组：
# 1 2 3 

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。

函数使用键序列执行间接排序。 键可以看作是电子表格中的一列。 该函数返回一个索引数组，使用它可以获得排序数据。 注意，最后一个键恰好是 sort 的主键。

如：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。

import numpy as np

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

print('调用 lexsort() 函数：')
print(ind)

print('使用这个索引来获取排序后的数据：')
print([nm[i] + ", " + dv[i] for i in ind])
# 调用 lexsort() 函数：
# [3 1 0 2]
# 使用这个索引来获取排序后的数据：
# ['amar, f.y.', 'anil, s.y.', 'raju, f.y.', 'ravi, s.y.']

上面传入 np.lexsort 的是一个tuple，排序时首先排 nm，顺序为：amar、anil、raju、ravi 。综上排序结果为 [3 1 0 2]。

msort、sort_complex、partition、argpartition

NumPy 模块有一些用于在数组内搜索的函数。 提供了用于找到最大值，最小值以及满足给定条件的元素的函数。

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。

import numpy as np

a = np.array([[30, 40, 70], [80, 20, 10], [50, 90, 60]])
print('我们的数组是：')
print(a)

print('调用 argmax() 函数：')
print(np.argmax(a))

print('展开数组：')
print(a.flatten())

print('沿轴 0 的最大值索引：')
maxindex = np.argmax(a, axis=0)
print(maxindex)

print('沿轴 1 的最大值索引：')
maxindex = np.argmax(a, axis=1)
print(maxindex)

print('调用 argmin() 函数：')
minindex = np.argmin(a)
print(minindex)

print('展开数组中的最小值：')
print(a.flatten()[minindex])

print('沿轴 0 的最小值索引：')
minindex = np.argmin(a, axis=0)
print(minindex)

print('沿轴 1 的最小值索引：')
minindex = np.argmin(a, axis=1)
print(minindex)
# 我们的数组是：
# [[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]

numpy.nonzero()

numpy.nonzero() 函数返回输入数组中非零元素的索引。

import numpy as np

a = np.array([[30, 40, 0], [0, 20, 10], [50, 0, 60]])
print('我们的数组是：')
print(a)

print('调用 nonzero() 函数：')
print(np.nonzero(a))
# 我们的数组是：
# [[30 40  0]
#  [ 0 20 10]
#  [50  0 60]]
# 调用 nonzero() 函数：
# (array([0, 0, 1, 1, 2, 2], dtype=int64), array([0, 1, 1, 2, 0, 2], dtype=int64))

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。

import numpy as np

x = np.arange(9.).reshape(3, 3)
print('我们的数组是：')
print(x)

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

print('使用这些索引来获取满足条件的元素：')
print(x[y])
# 我们的数组是：
# [[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=int64), array([1, 2, 0, 1, 2], dtype=int64))
# 使用这些索引来获取满足条件的元素：
# [4. 5. 6. 7. 8.]

numpy.extract()

numpy.extract() 函数根据某个条件从数组中抽取元素，返回满足条件的所有元素。

import numpy as np

x = np.arange(9.).reshape(3, 3)
print('我们的数组是：')
print(x)

# 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('使用条件提取元素：')
print(np.extract(condition, x))
# 我们的数组是：
# [[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.]