07.Python代码NumPy-排序sort,argsort,lexsort

07.Python代码NumPy-排序sort,argsort,lexsort

提示:帮帮志会陆续更新非常多的IT技术知识,希望分享的内容对您有用。本章分享的是NumPy的使用语法。前后每一小节的内容是存在的有:学习and理解的关联性,希望对您有用~

python语法-numPy 第七节 :排序sort,argsort,lexsort

上一小节详细分享了通过索引或切片来访问和修改 。本小节可能会用到取值。如晕,可查:
通过索引或切片来访问和修改


文章目录


排序

排序 sort

用于完成数组的排序,语法:

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

arr: 要排序的数组

axis: 沿着它排序数组的轴,如果没有数组会被展开,沿着最后的轴排序, axis=0 按列排序,axis=1 按行排序

kind: 默认为'quicksort'(快速排序)

order: 如果数组包含字段,则是要排序的字段

kind:

quicksort'(快速排序)

'mergesort'(归并排序)

'heapsort'(堆排序)

python 复制代码
import numpy as np

#随意定义数组
a = np.array([[5, 9], [10, 2]])
print(a)#输出瞅一眼
#排序后
print(np.sort(a))#就是数字小的放前面,啥是前面,下标索引小就是前面,下标0就是最前呗
print()#啥也不输出,空一行
#axis=0 就是按列来排  竖着
print(np.sort(a, axis=0))
#axis=1 就是按行来排  横着
print(np.sort(a, axis=1))

#索引取值及切片,前面章节分享了。可以在文章开头点击

指定排序的列和按字母顺序排序 sort

复合类型,指定排序的列。且按字母排序

python 复制代码
#定义一个dtype数据类型,字符串的name  int的age
dt = np.dtype([('name',  'S10'),('age',  int)]) 
#声明一个数组,dtype=dt  指定数据类型是dt
a = np.array([("apple", 21), ("tom", 17), ("jack", 27), ("bbz", 25)], dtype=dt)
#瞅一眼
print (a)
#按列排序:order = 列名
print ('按 name 排序:')
print (np.sort(a, order =  'name'))

获得索引 argsort

用于得到排序后 的数组的索引值 。它返回的不是数据本身,而是排序后的索引组成的数组

所以,有时重点不再数据本身上。可以通过它直接用索引就行。

python 复制代码
import numpy as np

x = np.array([3, 1, 2])
#瞅一眼
print(x)
#返回排序后的索引。交给变量y
y = np.argsort(x)
print(y)#[1 2 0]   这个是索引
#通过y来取值,look look 排序后的数组
print(x[y])

按列排序 lexsort

返回下标索引

对多个序列进行排序,语法:先指定一个列排序,如果这个列有数据相同的,就按照第二个列来排序,如果第二个列又有数据相同的,就按照。。。。

指定多少个列或者哪个先排哪个后排,传递不同参数就好了,语法:

ind = np.lexsort((列n,列03,列02,列01))

越写到后面的列越先排:先排列01,在列02,
如:第一个数字就是按照需要最先排序的列,最小的那个数据,返回这个数据的索引

python 复制代码
#定义一组数据
name =  ('bangbangzhi','apple','abandon','bbz','hello')
#在定义一组数据
age =  (12,  18,  12, 20,15)
#他们两组数据是 我需要组合起来的:
#bangbangzhi,12   apple,18   abandon,12   。。。。
#组合出来之后,希望排好序:

#得到一个索引
ind = np.lexsort((name,age))   #先age(大小)  相同就name(字母顺序)
print (ind)#[2 0 4 1 3]  ===》 2 第三个,12的年龄及a打头的name
print ([name[i]  +  ", "  + str(age[i])  for i in ind]) #取出ind里面的索引拼接好组合的数据

(会陆续更新非常多的IT技术知识及泛IT的电商知识,可以点个关注,共同交流。比心)

相关推荐
小白开始进步7 小时前
JAKA Zu12 机械臂运动学算法深度解析(含可视化方案)
python·算法·numpy
肾透侧视攻城狮2 天前
《解锁 PyTorch 张量:多维数据操作与 GPU 性能优化全解析》
人工智能·numpy·张量的索引和切片·张量形状变换·张量数学运算操作·张量的gpu加速·张量与 numpy 的互操作
七夜zippoe4 天前
NumPy高级:结构化数组与内存布局优化实战指南
python·架构·numpy·内存·视图
waves浪游6 天前
Ext系列文件系统
linux·服务器·开发语言·c++·numpy
强化试剂瓶7 天前
Silane-PEG8-DBCO,硅烷-聚乙二醇8-二苯并环辛炔技术应用全解析
python·flask·numpy·pyqt·fastapi
Python-AI Xenon8 天前
RHEL / CentOs 7.9 离线升级OpenSSH完整指南
linux·centos·numpy
和小胖11228 天前
Anaconda虚拟环境创建步骤
python·conda·numpy
叫我:松哥10 天前
基于scrapy的网易云音乐数据采集与分析设计实现
python·信息可视化·数据分析·beautifulsoup·numpy·pandas
_Soy_Milk11 天前
【算法工程师】—— Python 数据分析
python·数据分析·numpy·pandas·matplotlib
强化试剂瓶11 天前
Acridinium-Biotin,吖啶生物素偶联物双功能设计的精妙之处
flask·numpy·fastapi·web3.py·tornado