numpy.sort

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

返回数组的排序副本。

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

1）二维数组的默认排序（按最后一个轴）

import numpy as np

a = np.array([[1, 4], [3, 1]])
print("默认按行排序：")
print(np.sort(a))
# 输出：
# [[1 4]
#  [1 3]]

2）对整个数组进行排序（扁平化）

import numpy as np

a = np.array([[1, 4], [3, 1]])
print("扁平化排序：")
print(np.sort(a, axis=None))
# 输出：
# [1 1 3 4]

3）按列排序（axis=0）

import numpy as np

a = np.array([[1, 4], [3, 1]])
print("按列排序：")
print(np.sort(a, axis=0))
# 输出：
# [[1 1]
#  [3 4]]

4）结构化数组排序（按单个字段）

import numpy as np

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)
sorted_by_height = np.sort(a, order='height')

print("按身高排序：")
print(sorted_by_height)
# 输出：
# [('Galahad', 1.7, 38), 
#('Arthur', 1.8, 41), ('Lancelot', 1.9, 38)]