种类 | 速度 | 最坏复杂度 | 工作空间 | 稳定性 |
---|---|---|---|---|
quicksort(快速排序) | 1 | O(n^2) | 0 | 不稳定 |
mergesort(归并排序) | 2 | O(n * log(n)) | ~n/2 | 稳定 |
heapsort(堆排序) | 3 | O(n * log(n)) | 0 | 不稳定 |
numpy.sort(a, axis, kind, order)
参数说明:import numpy as np a = np.array([[3,7],[9,1]]) print('a数组是:') print(a) #调用sort()函数 print(np.sort(a)) #按列排序: print(np.sort(a, axis = 0)) #设置在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) #再次打印a数组 print(a) #按name字段排序 print(np.sort(a, order = 'name'))输出结果:
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]] 再次打印a数组: [(b'raju', 21) (b'anil', 25) (b'ravi', 17) (b'amar', 27)] 按name字段排序: [(b'amar', 27) (b'anil', 25) (b'raju', 21) (b'ravi', 17)]
import numpy as np a = np.array([90, 29, 89, 12]) print("原数组",a) sort_ind = np.argsort(a) print("打印排序元素索引值",sort_ind) #使用索引数组对原数组排序 sort_a = a[sort_ind] print("打印排序数组") for i in sort_ind: print(a[i],end = " ")输出结果:
原数组: [90 29 89 12] 打印排序元素的索引数组: [3 1 2 0] 打印排序数组: 12 29 89 90
import numpy as np a = np.array(['a','b','c','d','e']) b = np.array([12, 90, 380, 12, 211]) ind = np.lexsort((a,b)) #打印排序元素的索引数组 print(ind) #使用索引数组对数组进行排序 for i in ind: print(a[i],b[i])输出结果:
打印排序元素的索引数组: [0 3 1 4 2] 使用索引数组对原数组进行排序: a 12 d 12 b 90 e 211 c 380
import numpy as np b = np.array([12, 90, 380, 12, 211]) print("原数组b",b) print("打印非0元素的索引位置") print(b.nonzero())
原数组b [ 12 90 380 12 211] 打印非0元素的索引位置 (array([0, 1, 2, 3, 4]),)
import numpy as np b = np.array([12, 90, 380, 12, 211]) print(np.where(b>12)) c = np.array([[20, 24],[21, 23]]) print(np.where(c>20))
返回满足条件的索引数组 (array([1, 2, 4]),) (array([0, 1, 1]), array([1, 0, 1]))
import numpy as np x = np.arange(9.).reshape(3, 3) 打印数组x:' print(x) #设置条件选择偶数元素 condition = np.mod(x,2)== 0 #输出布尔值数组 print(condition) #按condition提取满足条件的元素值 print np.extract(condition, x)输出结果:
a数组是: [[0. 1. 2.] [3. 4. 5.] [6. 7. 8.]] 输出布尔值数组: [[ True False True] [False True False] [ True False True]] 按条件提取元素: [0. 2. 4. 6. 8.]
import numpy as np a = np.array([[30,40,70],[80,20,10],[50,90,60]]) #a数组 print (a) #argmax() 函数 print (np.argmax(a)) #将数组以一维展开 print (a.flatten()) #沿轴 0 的最大值索引: maxindex = np.argmax(a, axis = 0) print (maxindex) #沿轴 1 的最大值索引 maxindex = np.argmax(a, axis = 1) print (maxindex)输出结果:
数组a: [[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]
import numpy as np b= np.array([[3,4,7],[8,2,1],[5,9,6]]) print ('数组b:') print (b) #调用 argmin()函数 minindex = np.argmin(b) print (minindex) #展开数组中的最小值: print (b.flatten()[minindex]) #沿轴 0 的最小值索引: minindex = np.argmin(b, axis = 0) print (minindex) #沿轴 1 的最小值索引: minindex = np.argmin(b, axis = 1) print (minindex)输出结果:
数组b: [[3 4 7] [8 2 1] [5 9 6]] 返回最小索引值: 5 #展开数组中的最小值: 1 #沿轴 0 的最小值索引: [0 1 1] #沿轴 1 的最小值索引: [0 2 0]
本文链接:http://task.lmcjl.com/news/13678.html