NumPy 排序、查找、计数

---

章节

• Numpy 介绍
• Numpy 安装
• NumPy ndarray
• NumPy 数据类型
• NumPy 数组创建
• NumPy 基于已有数据创建数组
• NumPy 基于数值区间创建数组
• NumPy 数组切片
• NumPy 广播
• NumPy 数组迭代
• NumPy 位运算
• NumPy 字符串函数
• NumPy 数学函数
• NumPy 统计函数
• NumPy 排序、查找、计数
• NumPy 副本和视图
• NumPy 矩阵库函数
• NumPy 线性代数

---

NumPy中提供了各种排序相关的函数。这些排序函数实现了不同的排序算法，每个算法的特点是执行速度、最坏情况性能、所需的工作空间和算法的稳定性。下表为三种排序算法的比较。

种类	速度	最差情况	工作区	稳定性
‘quicksort’	1	O(n^2)	0	no
‘mergesort’	2	O(n*log(n))	~n/2	yes
‘heapsort’	3	O(n*log(n))	0	no

numpy.sort()

sort()对数组进行排序，返回排好序的数组副本。可以指定轴方向。

函数语法:

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

参数

• a 待排序数组
• axis 指定排序的轴。如果没有，按最后一个轴排序。
• kind 默认是‘quicksort’
• order 指定排序字段

示例

import numpy as np
a = np.array([[3,7],[9,1]]) 
print ('数组:' )
print (a)
print ('\n')
print ('排序:' )
print (np.sort(a))
print ('\n') 
print ('轴 0 排序:')
print (np.sort(a, axis = 0))
print ('\n')  
# 排序函数中的顺序参数
dt = np.dtype([('name', 'S10'),('age', int)])
a = np.array([("kevin", 21),("peter",25),("tony", 17), ("mike",27)], dtype = dt) 
print ('数组:')
print (a)
print ('\n')  
print ('按 name 排序:')
print (np.sort(a, order = 'name'))

输出

数组:
[[3 7]
 [9 1]]
排序:
[[3 7]
 [1 9]]
 轴 0 排序:
[[3 1]
 [9 7]]
数组:
[(b'kevin', 21) (b'peter', 25) (b'tony', 17) (b'mike', 27)]
按 name 排序:
[(b'kevin', 21) (b'mike', 27) (b'peter', 25) (b'tony', 17)]

numpy.argsort()

该函数先对数组进行排序，然后提取排序后的数组索引，以数组形式返回，原数组不会被修改，通过索引可以得到排序结果。

示例

import numpy as np
x = np.array([3, 1, 2]) 
print ('数组x:')
print (x)
print ('\n')  
print ('将argsort()应用于x:')
y = np.argsort(x)
print (y)
print ('\n')  
print ('按排序顺序重建原始数组:' )
print (x[y])
print ('\n')  
print ('使用循环重构原始数组:')
for i in y:
   print (x[i])

输出

数组x:
[3 1 2]
将argsort()应用于x:
[1 2 0]
按排序顺序重建原始数组:
[1 2 3]
使用循环重构原始数组:
1
2
3

numpy.lexsort()

用于对多个序列进行排序，类似于SQL中的ORDERBY多个字段：ORDER BY 字段1， 字段2， 字段3。可以想象成对电子表格进行排序，每一列代表一个序列，越后面的列优先级越高。

原数组不会被修改，该函数提取排序后的数组索引，以数组形式返回，通过索引可以得到排序结果。

示例

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))  
print("打印排序后的数组索引:")  
print(ind)  
print("使用索引对数组排序:")  
for i in ind:
    print(a[i],b[i])

输出

打印排序后的数组索引:
[0 3 1 4 2]
使用索引对数组排序:
a 12
d 12
b 90
e 211
c 380

numpy.argmax() 与 numpy.argmin()

这两个函数分别返回指定轴上，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 ('数组:')
print (a)
print ('\n') 
print ('应用argmax()函数:')
print (np.argmax(a, 0))
print ('\n')  
print ('应用argmin()函数:')
print (np.argmin(a, 0) )
print ('\n')  

输出

 数组:
[[30 40 70]
 [80 20 10]
 [50 90 60]]
应用argmax()函数:
[1 2 0]
应用argmin()函数:
[0 1 1]

numpy.nonzero()

该函数返回数组中非零元素的索引。

示例

import numpy as np  
b = np.array([12, 90, 380, 12, 211])  
print("打印原始数组\n", b)
print ('\n') 
print("打印非零元素的位置")
print(b.nonzero())

输出

打印原始数组
[ 12  90 380  12 211]
打印非零元素的位置
(array([0, 1, 2, 3, 4]),)

numpy.where()

该函数查找数组中符合条件的元素，返回其索引。

示例

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

(array([0, 1, 1]), array([1, 0, 1]))

numpy.extract()

该函数返回数组中符合条件的元素。

示例

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

输出

[ 90 380 211]
[24 21 23]