19.NumPy排序和搜索功能

NumPy 提供了多种排序函数， 这些排序函数可以实现不同的排序算法。

排序算法特征主要体现在以下四个方面：执行速度，最坏情况下的复杂度，所需的工作空间以及算法的稳定性。下表列举了三种排序算法：

NumPy排序算法

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()

numpy.sort() 对输入数组执行排序，并返回一个数组副本。它具有以下参数：

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

参数说明：

• a：要排序的数组；
• axis：沿着指定轴进行排序，如果没有指定 axis，默认在最后一个轴上排序，若 axis=0 表示按列排序，axis=1 表示按行排序；
• kind：默认为 quicksort（快速排序）；
• order：若数组设置了字段，则 order 表示要排序的字段。

下面看一组示例：

1. import numpy as np
2. a = np.array([[3,7],[9,1]])
3. print('a数组是：')
4. print(a)
5. #调用sort()函数
6. print(np.sort(a))
7. #按列排序：
8. print(np.sort(a, axis = 0))
9. #设置在sort函数中排序字段
10. dt = np.dtype([('name', 'S10'),('age', int)])
11. a = np.array([("raju",21),("anil",25),("ravi", 17), ("amar",27)], dtype = dt)
12. #再次打印a数组
13. print(a)
14. #按name字段排序
15. 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)]

numpy.argsort()

argsort() 沿着指定的轴，对输入数组的元素值进行排序，并返回排序后的元素索引数组。示例如下：

1. import numpy as np
2. a = np.array([90, 29, 89, 12])
3. print("原数组",a)
4. sort_ind = np.argsort(a)
5. print("打印排序元素索引值",sort_ind)
6. #使用索引数组对原数组排序
7. sort_a = a[sort_ind]
8. print("打印排序数组")
9. for i in sort_ind:
10. 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 

numpy.lexsort()

numpy.lexsort() 按键序列对数组进行排序，它返回一个已排序的索引数组，类似于 numpy.argsort()。

下面看一组示例：

1. import numpy as np
2. a = np.array(['a','b','c','d','e'])
3. b = np.array([12, 90, 380, 12, 211])
4. ind = np.lexsort((a,b))
5. #打印排序元素的索引数组
6. print(ind)
7. #使用索引数组对数组进行排序
8. for i in ind:
9. 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

NumPy 提供了许多可以在数组内执行搜索功能的函数。比如查找最值或者满足一定条件的元素。

numpy.nonzero()

该函数从数组中查找非零元素的索引位置。示例如下：

1. import numpy as np
2.  
3. b = np.array([12, 90, 380, 12, 211])
4.  
5. print("原数组b",b)
6.  
7. print("打印非0元素的索引位置")
8.  
9. print(b.nonzero())

输出结果：

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]),)

numpy.where()

numpy.where() 的返回值是满足了给定条件的元素索引值。

1. import numpy as np
2.  
3. b = np.array([12, 90, 380, 12, 211])
4.  
5. print(np.where(b>12))
6.  
7. c = np.array([[20, 24],[21, 23]])
8.  
9. print(np.where(c>20))

输出结果：

返回满足条件的索引数组
(array([1, 2, 4]),)
(array([0, 1, 1]), array([1, 0, 1]))

numpy.extract()

该函数的返回值是满足了给定条件的元素值，示例如下：

1. import numpy as np
2. x = np.arange(9.).reshape(3, 3)
3. 打印数组x:'
4. print(x)
5. #设置条件选择偶数元素
6. condition = np.mod(x,2)== 0
7. #输出布尔值数组
8. print(condition)
9. #按condition提取满足条件的元素值
10. print np.extract(condition, x)

输出结果：

1. a数组是：
2. [[0. 1. 2.]
3. [3. 4. 5.]
4. [6. 7. 8.]]
5. 输出布尔值数组：
6. [[ True False True]
7. [False True False]
8. [ True False True]]
9. 按条件提取元素：
10. [0. 2. 4. 6. 8.]

numpy.argmax()

该函数返回最大值的的索引，与其相反的函数是 argmin() 求最小值索引 ，示例如下：

1. import numpy as np
2. a = np.array([[30,40,70],[80,20,10],[50,90,60]])
3. #a数组
4. print (a)
5. #argmax() 函数
6. print (np.argmax(a))
7. #将数组以一维展开
8. print (a.flatten())
9. #沿轴 0 的最大值索引：
10. maxindex = np.argmax(a, axis = 0)
11. print (maxindex)
12. #沿轴 1 的最大值索引
13. maxindex = np.argmax(a, axis = 1)
14. 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]

numpy.argmin()

argmin() 求最小值索引。示例如下：

1. import numpy as np
2. b= np.array([[3,4,7],[8,2,1],[5,9,6]])
3. print ('数组b：')
4. print (b)
5. #调用 argmin()函数
6. minindex = np.argmin(b)
7. print (minindex)
8. #展开数组中的最小值：
9. print (b.flatten()[minindex])
10. #沿轴 0 的最小值索引：
11. minindex = np.argmin(b, axis = 0)
12. print (minindex)
13. #沿轴 1 的最小值索引：
14. minindex = np.argmin(b, axis = 1)
15. 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]