NumPy 排序、條件刷選函數

NumPy 提供了多種排序的方法。 這些排序函數實現不同的排序算法，每個排序算法的特征在於執行速度，最壞情況性能，所需的工作空間和算法的穩定性。 下表顯示了三種排序算法的比較。

numpy.sort()

numpy.sort() 函數返回輸入數組的排序副本。函數格式如下：

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

參數說明：

• a: 要排序的數組
• axis: 沿著它排序數組的軸，如果沒有數組會被展開，沿著最後的軸排序， axis=0 按列排序，axis=1 按行排序
• kind: 默認為'quicksort'（快速排序）
• order: 如果數組包含字段，則是要排序的字段

輸出結果為：

我們的數組是：
[[3 7]
 [9 1]]

調用 sort() 函數：
[[3 7]
 [1 9]]

按列排序：
[[3 1]
 [9 7]]

我們的數組是：
[(b'raju', 21) (b'anil', 25) (b'ravi', 17) (b'amar', 27)]

按 name 排序：
[(b'amar', 27) (b'anil', 25) (b'raju', 21) (b'ravi', 17)]

numpy.argsort()

numpy.argsort() 函數返回的是數組值從小到大的索引值。

輸出結果為：

我們的數組是：
[3 1 2]

對 x 調用 argsort() 函數：
[1 2 0]

以排序後的順序重構原數組：
[1 2 3]

使用循環重構原數組
1 2 3

numpy.lexsort()

numpy.lexsort() 用於對多個序列進行排序。把它想象成對電子表格進行排序，每一列代表一個序列，排序時優先照顧靠後的列。

這里舉一個應用場景：小升初考試，重點班錄取學生按照總成績錄取。在總成績相同時，數學成績高的優先錄取，在總成績和數學成績都相同時，按照英語成績錄取…… 這里，總成績排在電子表格的最後一列，數學成績在倒數第二列，英語成績在倒數第三列。

輸出結果為：

調用 lexsort() 函數：
[3 1 0 2]

使用這個索引來獲取排序後的數據：
['amar, f.y.', 'anil, s.y.', 'raju, f.y.', 'ravi, s.y.']

上面傳入 np.lexsort 的是一個tuple，排序時首先排 nm，順序為：amar、anil、raju、ravi 。綜上排序結果為 [3 1 0 2]。

msort、sort_complex、partition、argpartition

復數排序：

>>> import numpy as np
>>> np.sort_complex([5, 3, 6, 2, 1])
array([ 1.+0.j,  2.+0.j,  3.+0.j,  5.+0.j,  6.+0.j])
>>>
>>> np.sort_complex([1 + 2j, 2 - 1j, 3 - 2j, 3 - 3j, 3 + 5j])
array([ 1.+2.j,  2.-1.j,  3.-3.j,  3.-2.j,  3.+5.j])

partition() 分區排序：

>>> a = np.array([3, 4, 2, 1])
>>> np.partition(a, 3)  # 將數組 a 中所有元素（包括重復元素）從小到大排列，比第3小的放在前面，大的放在後面
array([2, 1, 3, 4])
>>>
>>> np.partition(a, (1, 3)) # 小於 1 的在前面，大於 3 的在後面，1和3之間的在中間
array([1, 2, 3, 4])

找到數組的第 3 小（index=2）的值和第 2 大（index=-2）的值

>>> arr = np.array([46, 57, 23, 39, 1, 10, 0, 120])
>>> arr[np.argpartition(arr, 2)[2]]
10
>>> arr[np.argpartition(arr, -2)[-2]]
57

同時找到第 3 和第 4 小的值。注意這里，用 [2,3] 同時將第 3 和第 4 小的排序好，然後可以分別通過下標 [2] 和 [3] 取得。

>>> arr[np.argpartition(arr, [2,3])[2]]
10
>>> arr[np.argpartition(arr, [2,3])[3]]
23

numpy.argmax() 和 numpy.argmin()

numpy.argmax() 和 numpy.argmin()函數分別沿給定軸返回最大和最小元素的索引。

輸出結果為：

我們的數組是：
[[30 40 70]
 [80 20 10]
 [50 90 60]]

調用 argmax() 函數：
7

展開數組：
[30 40 70 80 20 10 50 90 60]

沿軸 0 的最大值索引：
[1 2 0]

沿軸 1 的最大值索引：
[2 0 1]

調用 argmin() 函數：
5

展開數組中的最小值：
10

沿軸 0 的最小值索引：
[0 1 1]

沿軸 1 的最小值索引：
[0 2 0]

numpy.nonzero()

numpy.nonzero() 函數返回輸入數組中非零元素的索引。

輸出結果為：

我們的數組是：
[[30 40  0]
 [ 0 20 10]
 [50  0 60]]

調用 nonzero() 函數：
(array([0, 0, 1, 1, 2, 2]), array([0, 1, 1, 2, 0, 2]))

numpy.where()

numpy.where() 函數返回輸入數組中滿足給定條件的元素的索引。

輸出結果為：

我們的數組是：
[[0. 1. 2.]
 [3. 4. 5.]
 [6. 7. 8.]]
大於 3 的元素的索引：
(array([1, 1, 2, 2, 2]), array([1, 2, 0, 1, 2]))
使用這些索引來獲取滿足條件的元素：
[4. 5. 6. 7. 8.]

numpy.extract()

numpy.extract() 函數根據某個條件從數組中抽取元素，返回滿條件的元素。

輸出結果為：

我們的數組是：
[[0. 1. 2.]
 [3. 4. 5.]
 [6. 7. 8.]]
按元素的條件值：
[[ True False  True]
 [False  True False]
 [ True False  True]]
使用條件提取元素：
[0. 2. 4. 6. 8.]