zoukankan      html  css  js  c++  java
  • Numpy 排序,条件筛选函数

     
     

    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,每个排序算法的特征在于执行速度,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。

    种类速度最坏情况工作空间稳定性
    'quicksort'(快速排序) 1 O(n^2) 0
    'mergesort'(归并排序) 2 O(n*log(n)) ~n/2
    'heapsort'(堆排序) 3 O(n*log(n)) 0

    numpy.sort()

    numpy.sort() 函数返回输入数组的排序副本。函数格式如下:

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

    参数说明:

      • a: 要排序的数组
      • axis: 沿着它排序数组的轴,如果没有数组会被展开,沿着最后的轴排序, axis=0 按列排序,axis=1 按行排序
      • kind: 默认为'quicksort'(快速排序)
      • order: 如果数组包含字段,则是要排序的字段
     

    numpy.argsort()

    numpy.argsort() 函数返回的是数组值从小到大的索引值。

     
     

    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。

     
    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 ('
    ') 
    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])
     
     
     
     
    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 ('
    ') 
    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

    函数描述
    msort(a) 数组按第一个轴排序,返回排序后的数组副本。np.msort(a) 相等于 np.sort(a, axis=0)。
    sort_complex(a) 对复数按照先实部后虚部的顺序进行排序。
    partition(a, kth[, axis, kind, order]) 指定一个数,对数组进行分区
    argpartition(a, kth[, axis, kind, order]) 可以通过关键字 kind 指定算法沿着指定轴对数组进行分区


     

    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

     
     

    numpy.nonzero()

    numpy.nonzero() 函数返回输入数组中非零元素的索引。

     
     

    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。

     
     

    numpy.extract()

    numpy.extract() 函数根据某个条件从数组中抽取元素,返回满条件的元素。

    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.]
     
     
     
  • 相关阅读:
    SQLite学习手册(锁和并发控制)
    SQLite学习手册(命令行工具)
    SQLite学习手册(表达式)
    SQLite学习手册(内存数据库)
    SQLite学习手册(在线备份)
    SQLite学习手册(索引和数据分析/清理)
    SQLite学习手册(临时文件)
    随笔之正则表达式
    序列化,反序列化方法
    小东西,点击按钮防连击
  • 原文地址:https://www.cnblogs.com/DaLinY/p/920a03b7a3df557ec5b83f70985a4b53.html
Copyright © 2011-2022 走看看