19. NumPy排序和搜索功能

1. 前言

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

2. 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：

?

1	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 2 3 4 5 6 7 8 9 10 11 12 13 14 15

import numpy as np a = np.array([[3,7],[9,1]]) print('a数组是：') print(a) #调用sort()函数 print(np.sort(a)) #按列排序： print(np.sort(a, axis = 0)) #设置在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) #再次打印a数组 print(a) #按name字段排序 print(np.sort(a, order = 'name'))

输出结果：

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16

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)]

3. 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 2 3 4 5 6 7 8 9 10

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

输出结果：

?

1 2 3 4 5 6

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

4. 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 2 3 4 5 6 7 8 9

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

输出结果：

?

1 2 3 4 5 6 7 8

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。

5. 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 2 3 4 5

import numpy as np b = np.array([12, 90, 380, 12, 211]) print("原数组b",b) print("打印非0元素的索引位置") print(b.nonzero())

输出结果：

?

1 2 3 4

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]),)

6. numpy.where()

numpy.where() 的返回值是满足了给定条件的元素索引值。

?

1 2 3 4 5

import numpy as np b = np.array([12, 90, 380, 12, 211]) print(np.where(b>12)) c = np.array([[20, 24],[21, 23]]) print(np.where(c>20))

输出结果：

?

1 2 3

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

7. 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 2 3 4 5 6 7 8 9 10

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

输出结果：

?

1 2 3 4 5 6 7 8 9 10

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

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 2 3 4 5 6 7 8 9 10 11 12 13 14

import numpy as np a = np.array([[30,40,70],[80,20,10],[50,90,60]]) #a数组 print (a) #argmax() 函数 print (np.argmax(a)) #将数组以一维展开 print (a.flatten()) #沿轴 0 的最大值索引： maxindex = np.argmax(a, axis =  0) print (maxindex) #沿轴 1 的最大值索引 maxindex = np.argmax(a, axis =  1) print (maxindex)

输出结果：

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16

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]

9. numpy.argmin()

argmin() 求最小值索引。示例如下：

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

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

输出结果：

?

1 2 3 4 5 6 7 8 9 10 11 12

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]