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
TechEdu2026062 天前
[人工智能]Python07:NumPy Selection:详细实践指南
人工智能·numpy
TechEdu2026062 天前
[人工智能]Python09:numpy.random.Statistics统计实战指南
人工智能·numpy
TechEdu2026062 天前
[人工智能]Python10:NumPy.random.Algebra 随机代数实战指南
人工智能·numpy
TechEdu2026064 天前
[人工智能]Python08:NumPy 检查与诊断
人工智能·numpy
TechEdu2026065 天前
[人工智能]Python06:NumPy 数组操作详解
人工智能·numpy
Xiu Yan12 天前
Python 数据分析:Pandas DataFrame 零基础入门教程
python·jupyter·pycharm·numpy·pandas
醇氧12 天前
Git 合并冲突与`__pycache__` 的恩怨情仇
python·numpy·fastapi
Xiu Yan13 天前
Python 数据分析:Pandas Series 零基础入门教程
python·jupyter·pycharm·numpy·pandas
lpfasd12315 天前
配置文件格式对比 与 AI Coding 的选择逻辑
python·flask·numpy
jzshmyt16 天前
我用 Python 从零“生成“了一个宇宙,然后让它观察自己(v14)
人工智能·pytorch·python·numpy·matplotlib·空间计算·scipy