【numpy基础】--数组排序
numpy 数组通常是用于数值计算的多维数组，而排序功能可以快速、准确地对数据进行排序，从而得到更加清晰、易于分析的结果。在数据分析和处理过程中，常常需要对数据进行排序，以便更好地理解和发现其中的规律和趋势。
排序会应用在很多场景中，比如：
[*]数据分类：将数据按照一定的特征进行分类，可以通过 numpy 数组排序来实现。
[*]数据筛选：通过 numpy 数组排序，可以快速地筛选出符合特定条件的数据。
[*]数据合并：多个 numpy 数组可以通过 numpy 数组排序来进行合并，从而得到一个更加完整、准确的数据集。
1. 排序算法
1.1. sort 函数
numpy中常用排序算法都是封装好的，通过 sort函数，可以直接使用常用的排序算法。
import numpy as np
arr = np.random.randint(0, 100, 10)
print(arr)
#运行结果
arr.sort(kind='quicksort')
print(arr)
#运行结果
[ 0 11 34 36 36 40 44 54 83 90]
arr.sort(kind='mergesort')
print(arr)
#运行结果
[ 0 11 34 36 36 40 44 54 83 90]
arr.sort(kind='heapsort')
print(arr)
#运行结果
[ 0 11 34 36 36 40 44 54 83 90]
arr.sort(kind='stable')
print(arr)
#运行结果
[ 0 11 34 36 36 40 44 54 83 90]四种排序算法分别是：
[*]quicksort：快速排序
[*]mergesort：归并排序
[*]heapsort：堆排序
[*]stable：冒泡排序
上述排序的结果都一样，quicksort 是默认的排序算法，也是效率最高的算法。
1.2. argsort 函数
除了 sort 函数，还有一个比较常用的是 argsort，它返回的是排序之后的索引。
arr = np.random.randint(0, 100, 10)
print(arr)
#运行结果
print(arr.argsort())
#运行结果
argsort 的结果是排序之后的原数组的下标。
比如第一个值 6 表示的是 arr，也就是 22。
2. 行列排序
当数组是多维的时候，可以按照每个维度来排序。
比如二维数组：
arr = np.random.randint(0, 100, (3, 3))
print(arr)
#运行结果
[
]
arr.sort(axis=0)
print(arr)
#运行结果
[
]axis=0 是跨行的意思，也就是按列对数据进行排序。
arr = np.random.randint(0, 100, (3, 3))
print(arr)
#运行结果
[[ 2 22 17]
]
arr.sort(axis=1)
print(arr)
#运行结果
[[ 2 17 22]
[ 6 20 85]
]axis=1 是跨列的意思，也就是按行对数据进行排序。
注意：这种排序的方式会破坏原有元素之间的行列关系。
3. 部分排序
nunpy的数组还支持部分排序，也就是只针对数组的特定部分排序，不用对整个数组排序。
arr = np.random.randint(0, 100, 10)
print(arr)
#运行结果
arr.partition(3)
print(arr)
#运行结果
[ 6 13 12 20 94 81 99 71 49 47]partition(3)表示的把最小的三个数字放在数组前三个，后面的元素就是原先剩下的元素，顺序不管。
放在最前面的三个数是所有元素中最小的三个数，它们的顺序也是不保证的。
多维数组也可以部分排序：
arr = np.random.randint(0, 100, (5, 5))
print(arr)
#运行结果
[
[ 2 25 91 91 64]
]
arr.partition(3, axis=0)
print(arr)
#运行结果
[[ 28 48 22 49]
]partition之后，数组的前三行元素就是每列最小的三个数。
arr = np.random.randint(0, 100, (5, 5))
print(arr)
#运行结果
[
]
arr.partition(3, axis=1)
print(arr)
#运行结果
[
]partition之后，数组的前三列元素就是每行最小的三个数。
4. 总结回顾
numpy 数组排序提供了一种快速、灵活、可靠的排序方式，可以满足各种排序需求。
numpy的排序针对数组做了更多的优化，排序效率比python内置的排序算法更高。
来源:https://www.cnblogs.com/wang_yb/p/17522409.html
免责声明：由于采集信息均来自互联网，如果侵犯了您的权益，请联系我们【E-Mail:cb@itdo.tech】 我们会及时删除侵权内容，谢谢合作！
页:
[1]