NumPy排序搜索和计数函数

Posted 2020-11-21 qianshuixianyu

      这些排序函数实现不同的排序算法，每个排序算法的特征在于执行速度，最坏情况性能，所需的工作空间和算法的稳定性。 下表显示了三种排序算法的比较。　　

种类	速度	最坏情况	工作空间	稳定性
‘quicksort‘(快速排序)	1	O(n^2)	0	否
‘mergesort‘(归并排序)	2	O(n*log(n))	~n/2	是
‘heapsort‘(堆排序)	3	O(n*log(n))	0	否

（1）np.sort()--函数返回输入数组的排序副本

a=np.array([[1,8],[9,7]])
print(a)
print(‘----------‘)
print(np.sort(a))
print(‘-----------‘)
print(np.sort(a,axis=0))

输出：

[[1 8]
 [9 7]]
----------
[[1 8]
 [7 9]]
-----------
[[1 7]
 [9 8]]

    在含有字符串的sort排序中：

import numpy as np 
dt = np.dtype([(‘name‘,  ‘U5‘),(‘age‘,  int)]) 
a = np.array([(‘raju‘,21),(‘anil‘,25),(‘ravi‘,  17),  (‘amar‘,27)], dtype = dt)    
print (a) 
print (‘---------------------‘)  
print (np.sort(a, order = ‘age‘))

输出：

[(‘raju‘, 21) (‘anil‘, 25) (‘ravi‘, 17) (‘amar‘, 27)]
---------------------
[(‘ravi‘, 17) (‘raju‘, 21) (‘anil‘, 25) (‘amar‘, 27)]

（2）np.argsort()-----函数对输入数组沿给定轴执行间接排序，并使用指定排序类型返回数据的索引数组。 这个索引数组用于构造排序后的数组。即得到排序后，依次得到元素所在原数组中的索引。

x = np.array([3,  1,  2])
y = np.argsort(x)  
print (y)
print (x[y])
for i in y:  
    print (x[i])

输出：

[1 2 0]
[1 2 3]
1
2
3

（3）np.lexsort()--函数使用键序列执行间接排序。 键可以看作是电子表格中的一列。 该函数返回一个索引数组，使用它可以获得排序数据。 注意，最后一个键恰好是 sort 的主键。

nm =  (‘raju‘,‘anil‘,‘ravi‘,‘amar‘) 
dv =  (‘a.y.‘,  ‘f.y.‘,  ‘c.y.‘,  ‘b.y.‘) 
ind = np.lexsort((dv,nm))
print(ind)
print ( [nm[i]  +  ", "  + dv[i]  for i in ind])

输出：

[3 1 0 2]
[‘amar, b.y.‘, ‘anil, f.y.‘, ‘raju, a.y.‘, ‘ravi, c.y.‘]

（4）NumPy 模块有一些用于在数组内搜索的函数。 提供了用于找到最大值，最小值以及满足给定条件的元素的函数。

np.argmin() 和np.argmax()-----这两个函数分别沿给定轴返回最小和最大元素的索引。

（5）np.nonzero()--函数返回输入数组中非零元素的索引。

a = np.array([[30,40,0],[0,20,10],[50,0,60]]) 
print(a)
print(np.nonzero(a))

输出：

[[30 40  0]
 [ 0 20 10]
 [50  0 60]]
(array([0, 0, 1, 1, 2, 2]), array([0, 1, 1, 2, 0, 2]))

（6）np.where()----函数返回输入数组中满足给定条件的元素的索引，先axis=0，在axis=1

x = np.arange(9.).reshape(3,  3)   
print (x) 
y = np.where(x >  3)  
print (y) 
print  (‘使用这些索引来获取满足条件的元素：‘  )
print (x[y])

输出：

[[ 0.  1.  2.]
 [ 3.  4.  5.]
 [ 6.  7.  8.]]
(array([1, 1, 2, 2, 2]), array([1, 2, 0, 1, 2]))
使用这些索引来获取满足条件的元素：
[ 4.  5.  6.  7.  8.]

（7）np.extract()----函数返回满足任何条件的元素 ， mod（）为求余函数

x = np.arange(9.).reshape(3,  3)    
print (x) 
# 定义条件 
condition = np.mod(x,2)  ==  0  
print  (‘按元素的条件值：‘  )
print (condition )
print  (‘使用条件提取元素：‘  )
print (np.extract(condition, x))

输出：

[[ 0.  1.  2.]
 [ 3.  4.  5.]
 [ 6.  7.  8.]]
按元素的条件值：
[[ True False  True]
 [False  True False]
 [ True False  True]]
使用条件提取元素：
[ 0.  2.  4.  6.  8.]