本文简要介绍 python 语言中 numpy.sort
的用法。
用法:
numpy.sort(a, axis=- 1, kind=None, order=None)
返回数组的排序副本。
- a: array_like
要排序的数组。
- axis: int 或无,可选
要排序的轴。如果为 None,则数组在排序前被展平。默认值为 -1,沿最后一个轴排序。
- kind: {‘quicksort’, ‘mergesort’, ‘heapsort’, ‘stable’},可选
排序算法。默认值为‘quicksort’。请注意,‘stable’ 和 ‘mergesort’ 都在后台使用 timsort 或 radix sort,通常,实际实现会因数据类型而异。保留 ‘mergesort’ 选项是为了向后兼容。
- order: str 或 str 列表,可选
当 a 是定义了字段的数组时,此参数指定首先比较哪些字段,第二个等。单个字段可以指定为字符串,不需要指定所有字段,但仍会使用未指定的字段,在他们在 dtype 中出现的顺序,以打破关系。
- sorted_array: ndarray
与 a 具有相同类型和形状的数组。
参数:
返回:
注意:
各种排序算法的特点是它们的平均速度、最坏情况下的性能、工作空间大小以及它们是否稳定。稳定的排序使具有相同键的项目保持相同的相对顺序。 NumPy 中实现的四种算法具有以下属性:
种类
速度
最差的情况
工作空间
稳定的
‘quicksort’
1
O(n^2)
0
no
‘heapsort’
3
O(n*log(n))
0
no
‘mergesort’
2
O(n*log(n))
~n/2
yes
‘timsort’
2
O(n*log(n))
~n/2
yes
注意
数据类型确定实际使用的是‘mergesort’ 还是‘timsort’,即使指定了‘mergesort’。当前不提供更精细的用户选择。
当沿除最后一个轴之外的任何轴进行排序时,所有排序算法都会临时复制数据。因此,沿最后一个轴排序比沿任何其他轴排序更快且占用更少空间。
复数的排序顺序是字典顺序。如果实部和虚部都不是nan,则顺序由实部确定,除非它们相等,在这种情况下,顺序由虚部确定。
在 numpy 1.4.0 之前,对包含 nan 值的实数和复数数组进行排序会导致未定义的行为。在 numpy 版本中 >= 1.4.0 nan 值被排序到最后。扩展排序顺序为:
真实:[R,南]
复合物:[R + Rj,R + nanj,nan + Rj,nan + nanj]
其中 R 是一个非 nan 实数值。具有相同 nan 位置的复杂值根据 non-nan 部分(如果存在)进行排序。非 nan 值像以前一样排序。
快速排序已更改为 introsort 。当排序没有取得足够的进展时,它会切换到 heapsort 。此实现在最坏的情况下使快速排序 O(n*log(n))。
‘stable’ 自动为被排序的数据类型选择最稳定的排序算法。它与 ‘mergesort’ 目前根据数据类型映射到 timsort 或 radix sort。 API 前向兼容性目前限制了选择实现的能力,并且对于不同的数据类型是硬连线的。
添加 Timsort 是为了在已经排序或接近排序的数据上获得更好的性能。对于随机数据,timsort 与 mergesort 几乎相同。它现在用于稳定排序,而如果未选择快速排序,则快速排序仍然是默认排序。有关 timsort 的详细信息,请参阅 CPython listsort.txt 。 ‘mergesort’ 和 ‘stable’ 映射到整数数据类型的基数排序。基数排序是 O(n) 排序,而不是 O(n log n)。
NaT 现在排序到数组末尾以与 NaN 保持一致。
例子:
>>> a = np.array([[1,4],[3,1]]) >>> np.sort(a) # sort along the last axis array([[1, 4], [1, 3]]) >>> np.sort(a, axis=None) # sort the flattened array array([1, 1, 3, 4]) >>> np.sort(a, axis=0) # sort along the first axis array([[1, 1], [3, 4]])
使用 order 关键字指定在对结构化数组进行排序时要使用的字段:
>>> dtype = [('name', 'S10'), ('height', float), ('age', int)] >>> values = [('Arthur', 1.8, 41), ('Lancelot', 1.9, 38), ... ('Galahad', 1.7, 38)] >>> a = np.array(values, dtype=dtype) # create a structured array >>> np.sort(a, order='height') array([('Galahad', 1.7, 38), ('Arthur', 1.8, 41), ('Lancelot', 1.8999999999999999, 38)], dtype=[('name', '|S10'), ('height', '<f8'), ('age', '<i4')])
按年龄排序,如果年龄相等,则按身高排序:
>>> np.sort(a, order=['age', 'height']) array([('Galahad', 1.7, 38), ('Lancelot', 1.8999999999999999, 38), ('Arthur', 1.8, 41)], dtype=[('name', '|S10'), ('height', '<f8'), ('age', '<i4')])
相关用法
- Python numpy sort_complex用法及代码示例
- Python numpy source用法及代码示例
- Python numpy searchsorted用法及代码示例
- Python numpy shape用法及代码示例
- Python numpy scimath.log用法及代码示例
- Python numpy signbit用法及代码示例
- Python numpy setdiff1d用法及代码示例
- Python numpy seterr用法及代码示例
- Python numpy scimath.logn用法及代码示例
- Python numpy square用法及代码示例
- Python numpy std用法及代码示例
- Python numpy scimath.log2用法及代码示例
- Python numpy sum用法及代码示例
- Python numpy spacing用法及代码示例
- Python numpy seterrobj用法及代码示例
- Python numpy squeeze用法及代码示例
- Python numpy scimath.arccos用法及代码示例
- Python numpy shares_memory用法及代码示例
- Python numpy s_用法及代码示例
- Python numpy swapaxes用法及代码示例
- Python numpy sctype2char用法及代码示例
- Python numpy show_config用法及代码示例
- Python numpy set_printoptions用法及代码示例
- Python numpy save用法及代码示例
- Python numpy scimath.log10用法及代码示例
注:本文由纯净天空筛选整理自numpy.org大神的英文原创作品 numpy.sort。非经特殊声明,原始代码版权归原作者所有,本译文未经允许或授权,请勿转载或复制。