Python numpy.sort函数方法的使用

NumPy(Numerical Python的缩写)是一个开源的Python科学计算库。使用NumPy,就可以很自然地使用数组和矩阵。NumPy包含很多实用的数学函数,涵盖线性代数运算、傅里叶变换和随机数生成等功能。本文主要介绍一下NumPy中sort方法的使用。

numpy.sort

numpy.sort(a, axis=-1, kind=None, order=None)    [source]

返回数组的排序副本。

参数 :

a :array_like

要排序的数组。

axis :int 或 None, 可选

要排序的轴。 如果为None,则在排序之前将数组展平。

 默认值为-1,它沿着最后一个轴排序。

kind :{‘quicks或t’, ‘merges或t’, ‘heaps或t’, ‘stable’}, 可选

排序算法。 默认值为‘quicksort’。 

请注意,‘stable’和 ‘mergesort’均在底下使用timsort或基数排序,

并且通常,实际实现会随数据类型而变化。 

保留‘mergesort’ 选项是为了向后兼容。

 在1.15.0版中进行了更改。:添加了‘stable’选项。

order :str 或 str类型的list , 可选

当a是一个定义了字段的数组时,

这个参数指定了首先比较哪个字段,第二个字段,

等等。可以将单个字段指定为字符串,但不需要指定所有字段,

但仍将使用未指定的字段(按照它们在dtype中出现的顺序)来中断绑定。

返回值 :

sorted_array :ndarray

与a具有相同类型和形状的数组。

Notes

各种分类算法的特征在于它们的平均速度,最坏情况下的性能,工作空间大小以及它们是否稳定。 稳定的排序使具有相同键的项以相同的相对顺序保持。 NumPy中实现的四种算法具有以下属性:

注意: 即使指定了‘mergesort’,数据类型也会确定实际使用的是‘mergesort’还是‘timsort’。 目前尚无法进行更精细的用户选择。

除了沿最后一个轴进行排序外,所有排序算法都会临时复制数据。 因此,与沿其他任何轴进行排序相比,沿最后一个轴进行排序速度更快且占用的空间更少。

复数的排序顺序是按字典顺序的。如果实部和虚部都是non-nan,那么它的阶数由实部决定除非它们相等,这种情况下它的阶数由虚部决定。

在numpy 1.4.0之前,对包含nan值的实数组和复杂数组进行排序会导致未定义的行为。 在numpy版本中,>= 1.4.0 nan值被排序到最后。 扩展的排序顺序为:

  • Real: [R, nan]

  • Complex: [R + Rj, R + nanj, nan + Rj, nan + nanj]

其中R是非南实数值。 具有相同nan位置的复杂值(如果存在)将根据non-nan部分进行排序。 non-nan值与以前一样排序。

1.12.0版中的新功能。

quicksort已更改为introsort。 如果排序没有取得足够的进展,它将切换到堆排序。 此实现在最坏的情况下使快速排序为O(n*log(n))。

‘stable’ 会自动为要排序的数据类型选择最佳的稳定排序算法。 目前,它与‘mergesort’一起根据数据类型映射到timsort或基数排序。 API前向兼容性当前限制了选择实现的能力,并且对不同的数据类型进行了硬连接。

1.17.0版中的新功能。

添加Timsort可以提高对已分类或已分类数据的性能。 在随机数据上,timsort与mergesort几乎相同。 现在,它用于稳定排序,而如果未选择,则快速排序仍是默认排序。 有关音符的详细信息,请参阅CPython listsort.txt。 对于整数数据类型,‘mergesort’ 和 ‘stable’被映射为基数排序。 基数排序是O(n)排序,而不是O(n log n)。

在版本1.18.0中更改。

为了与NaN保持一致,NaT现在在数组的末尾进行排序。

例子

>>> a = np.array([[1,4],[3,1]])
>>> np.sort(a)                # sort along the last axis
array([[1, 4],
       [1, 3]])
>>> np.sort(a, axis=None)     # sort the flattened array
array([1, 1, 3, 4])
>>> np.sort(a, axis=0)        # sort along the first axis
array([[1, 1],
       [3, 4]])

使用order关键字指定对结构化数组进行排序时要使用的字段:

>>> dtype = [('name', 'S10'), ('height', float), ('age', int)]
>>> values = [('Arthur', 1.8, 41), ('Lancelot', 1.9, 38),
...           ('Galahad', 1.7, 38)]
>>> a = np.array(values, dtype=dtype)       # create a structured array
>>> np.sort(a, order='height'
narray([('Galahad', 1.7, 38), ('Arthur', 1.8, 41), ('Lancelot', 1.8999999999999999, 38)], dtype=[('name', '|S10'), ('height', '<f8'), ('age', '<i4')])

按年龄排序,并且年龄的高度相等:

>>> np.sort(a, order=['age', 'height']) 
array([('Galahad', 1.7, 38), ('Lancelot', 1.8999999999999999, 38),
       ('Arthur', 1.8, 41)],
      dtype=[('name', '|S10'), ('height', '<f8'), ('age', '<i4')])
推荐阅读
cjavapy编程之路首页