numpy基础(part13)--排序

学习笔记，这个笔记以例子为主。
开发工具：Spyder

文章目录

排序
- 联合间接排序lexsort
- 复数数组排序sort_complex
- 插入排序searchsorted

排序

我们可以简单的，直接的对数组进行排序，并返回有序数组。

语法

有序数组 = np.msort(待排序数组)

例子

代码：

import numpy as npnum = np.array([1, 7, 3, 2, 9, 5, 3])
sorted_num = np.msort(num)
print('排序后数组:', sorted_num)

结果：

排序后数组: [1 2 3 3 5 7 9]

联合间接排序lexsort

联合间接排序支持为主序列进行排序，若存在主序列值相同，则利用次要序列1作为参考继续排序，以此类推，最终返回排序过后的有序索引数组。

语法

indices = numpy.lexsort((次要序列k,..., 次要序列1, 主序列))

例子1

先按照weight排序，再按照age排序，再按照id_num排序。(都是升序排序)

代码：

import numpy as npnames = np.array(['A', 'B', 'C', 'D', 'E', 'F', 'G'])weight = [7, 4, 3, 5, 8, 3, 4]
age  = [8, 7, 2, 3, 8, 3, 7]
id_num = list(range(1, 8))index_num = np.lexsort((id_num, age, weight))
print(names[index_num])

结果：

['C' 'F' 'B' 'G' 'D' 'A' 'E']

例子2

先按照weight升序排序，再按照age升序排序，再按照id_num降序排序。

代码：

import numpy as npnames = np.array(['A', 'B', 'C', 'D', 'E', 'F', 'G'])weight = [7, 4, 3, 5, 8, 3, 4]
age  = [8, 7, 2, 3, 8, 3, 7]
id_num = np.array(list(range(1, 8))) index_num = np.lexsort((-id_num, age, weight))
print(names[index_num])

备注：降序排列可以在数组前加-负号，但是要将数组转换成ndarray数组才能进行负号运算，普通列表则不能进行此运算。

结果：

['C' 'F' 'G' 'B' 'D' 'A' 'E']

复数数组排序sort_complex

按照实部的升序排列，对于实部相同的元素，参考虚部的升序，直接返回排序后的结果数组。

语法

numpy.sort_complex(复数数组)

例子

代码：

import numpy as npnum = np.array([2 + 3j, 1 + 2j, 5 + 1j,8 - 2j, 8 + 1j, 2 + 1j])sorted_num = np.sort_complex(num)
print(sorted_num)

结果：

[ 1.+2.j  2.+1.j  2.+3.j  5.+1.j  8.-2.j  8.+1.j]

插入排序searchsorted

若需要向有序数组中插入元素，使数组依然有序，numpy提供了searchsorted方法，返回待插入元素的可插入位置数组。

语法

indices = numpy.searchsorted(有序序列, 待插序列)

例子

代码：

import numpy as npa = np.array([1, 2, 4, 5, 7])
b = np.array([3, 6])c = np.searchsorted(a, b)
print(c)
d = np.insert(a, c, b)
print(d)

备注：numpy提供的insert方法，可向原数组的指定位置插入元素。比如，A为原数组，B为索引数组，C为待插入元素数组。 insert(A, B, C)为向A的B位置插入C数据。

结果：

[2 4]
[1 2 3 4 5 6 7]

numpy基础(part13)--排序相关推荐

python之numpy基础_Python知识普及：Numpy基础操作
原标题:Python知识普及:Numpy基础操作 Numpy基础数据结构创建数组 Numpy通用函数 import numpy as np # reshape 改变数组维度形状 ar1 = np.a ...
【Python】Numpy基础：数组和矢量运算
Numpy基础:数组和矢量运算目录: 文章目录一 Numpy及其重要性二 ndarray:一种多维数组对象 1 创建ndarray 2 ndarray的数据类型 3 数组和标量之间的运算 4 基 ...
python输入数组并计算_利用Python进行数据分析——Numpy基础：数组和矢量计算
利用Python进行数据分析--Numpy基础:数组和矢量计算 ndarry,一个具有矢量运算和复杂广播能力快速节省空间的多维数组对整组数据进行快速运算的标准数学函数,无需for-loop 用于读写 ...
python中ndarray对象实例化_Python数据分析之Numpy学习 2——NumPy 基础 ndarray对象
Python数据分析之Numpy学习 2 -- NumPy 基础学习 NumPy(Numerical Python)是高性能科学计算和数据分析的基础包.NumPy的主要对象是同构数据多维容器(homo ...
《利用python进行数据分析》读书笔记--第四章 numpy基础：数组和矢量计算
第四章 Numpy基础:数组和矢量计算第一部分:numpy的ndarray:一种多维数组对象实话说,用numpy的主要目的在于应用矢量化运算.Numpy并没有多么高级的数据分析功能,理解Numpy ...
数据分析之numpy基础/matplotlib绘图/numpy常用函数/杂项功能
文章目录数据分析 numpy概述 numpy`历史` numpy的核心:多维数组 numpy基础 ndarray数组内存中的ndarray对象 ndarray数组对象的特点 ndarray数组对象 ...
numpy基础（1）
numpy基础(1) 以下教程涉及到的文字均来自于莫烦Python.有一个坑需要避免下:二维数组需要多加一个括号,要不会报错. numpy属性 ndim:维度 shape:行数和列数 size:元素个 ...
python 数据分析5 NumPy 基础：数组和矢量计算
系列文章:Python 数据分析文章目录五.NumPy 基础:数组和矢量计算 1.n维数组对象 ndarray 创建 dtype 数组运算基本的索引和切片一维数组二维数组布尔型索引花式索 ...
Python数据分析学习四 NumPy基础：数组和矢量计算
Python数据分析学习系列四NumPy基础:数组和矢量计算资料转自(GitHub地址):https://github.com/wesm/pydata-book 有需要的朋友可以自行去github下 ...