NumPy - 排序、搜索和计数函数
NumPy中提供了各种排序相关功能。 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 | 否 |
'mergesort'(归并排序) |
2 | O(n*log(n)) |
~n/2 | 是 |
'heapsort'(堆排序) |
3 | O(n*log(n)) |
0 | 否 |
numpy.sort()
sort()函数返回输入数组的排序副本。 它有以下参数：
numpy.sort(a, axis, kind, order)
其中：
| 序号 | 参数及描述 |
|---|---|
| 1. | a 要排序的数组 |
| 2. | 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 |
| 3. | kind 默认为'quicksort'(快速排序) |
| 4. | order 如果数组包含字段，则是要排序的字段 |
示例
import numpy as np
a = np.array([[3,7],[9,1]])
print '我们的数组是：'
print a
print '
'
print '调用 sort() 函数：'
print np.sort(a)
print '
'
print '沿轴 0 排序：'
print np.sort(a, axis = 0)
print '
'
# 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)
print '我们的数组是：'
print a
print '
'
print '按 name 排序：'
print np.sort(a, order = 'name')
输出如下：
我们的数组是：
[[3 7]
[9 1]]
调用 sort() 函数：
[[3 7]
[1 9]]
沿轴 0 排序：
[[3 1]
[9 7]]
我们的数组是：
[('raju', 21) ('anil', 25) ('ravi', 17) ('amar', 27)]
按 name 排序：
[('amar', 27) ('anil', 25) ('raju', 21) ('ravi', 17)]
numpy.argsort()
numpy.argsort()函数对输入数组沿给定轴执行间接排序，并使用指定排序类型返回数据的索引数组。 这个索引数组用于构造排序后的数组。
示例
import numpy as np
x = np.array([3, 1, 2])
print '我们的数组是：'
print x
print '
'
print '对 x 调用 argsort() 函数：'
y = np.argsort(x)
print y
print '
'
print '以排序后的顺序重构原数组：'
print x[y]
print '
'
print '使用循环重构原数组：'
for i in y:
print x[i],
输出如下：
我们的数组是：
[3 1 2]
对 x 调用 argsort() 函数：
[1 2 0]
以排序后的顺序重构原数组：
[1 2 3]
使用循环重构原数组：
1 2 3
numpy.lexsort()
函数使用键序列执行间接排序。 键可以看作是电子表格中的一列。 该函数返回一个索引数组，使用它可以获得排序数据。 注意，最后一个键恰好是 sort 的主键。
示例
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]
输出如下：
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.']
NumPy 模块有一些用于在数组内搜索的函数。 提供了用于找到最大值，最小值以及满足给定条件的元素的函数。
numpy.argmax() 和 numpy.argmin()
这两个函数分别沿给定轴返回最大和最小元素的索引。
示例
import numpy as np
a = np.array([[30,40,70],[80,20,10],[50,90,60]])
print '我们的数组是：'
print a
print '
'
print '调用 argmax() 函数：'
print np.argmax(a)
print '
'
print '展开数组：'
print a.flatten()
print '
'
print '沿轴 0 的最大值索引：'
maxindex = np.argmax(a, axis = 0)
print maxindex
print '
'
print '沿轴 1 的最大值索引：'
maxindex = np.argmax(a, axis = 1)
print maxindex
print '
'
print '调用 argmin() 函数：'
minindex = np.argmin(a)
print minindex
print '
'
print '展开数组中的最小值：'
print a.flatten()[minindex]
print '
'
print '沿轴 0 的最小值索引：'
minindex = np.argmin(a, axis = 0)
print minindex
print '
'
print '沿轴 1 的最小值索引：'
minindex = np.argmin(a, axis = 1)
print minindex
输出如下：
我们的数组是：
[[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]
调用 argmin() 函数：
5
展开数组中的最小值：
10
沿轴 0 的最小值索引：
[0 1 1]
沿轴 1 的最小值索引：
[0 2 0]
numpy.nonzero()
numpy.nonzero()函数返回输入数组中非零元素的索引。
示例
import numpy as np
a = np.array([[30,40,0],[0,20,10],[50,0,60]])
print '我们的数组是：'
print a
print '
'
print '调用 nonzero() 函数：'
print np.nonzero (a)
输出如下：
我们的数组是：
[[30 40 0]
[ 0 20 10]
[50 0 60]]
调用 nonzero() 函数：
(array([0, 0, 1, 1, 2, 2]), array([0, 1, 1, 2, 0, 2]))
numpy.where()
where()函数返回输入数组中满足给定条件的元素的索引。
示例
import numpy as np
x = np.arange(9.).reshape(3, 3)
print '我们的数组是：'
print x
print '大于 3 的元素的索引：'
y = np.where(x > 3)
print y
print '使用这些索引来获取满足条件的元素：'
print x[y]
输出如下：
我们的数组是：
[[ 0. 1. 2.]
[ 3. 4. 5.]
[ 6. 7. 8.]]
大于 3 的元素的索引：
(array([1, 1, 2, 2, 2]), array([1, 2, 0, 1, 2]))
使用这些索引来获取满足条件的元素：
[ 4. 5. 6. 7. 8.]
numpy.extract()
extract()函数返回满足任何条件的元素。
import numpy as np
x = np.arange(9.).reshape(3, 3)
print '我们的数组是：'
print x
# 定义条件
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)
输出如下：
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.]