NumPy 排序、条件刷选函数
NumPy 排序、条件刷选函数
排序
NumPy 提供了多种排序方法，同时可以指定对哪个轴进行排序。常用的排序方法有：
- sort()
- argsort()
- lexsort()
- argpartition()
- partition()
sort()
sort() 方法用于对数组进行排序，该方法会返回一个已排序的数组副本。
import numpy as np
arr = np.array([3, 1, 2])
print(np.sort(arr)) # [1 2 3]
sort() 方法默认对全部元素进行排序，如果想只对部分进行排序，可以利用切片进行处理：
arr = np.array([3, 1, 2])
print(np.sort(arr[0:2])) # [1 3]
sort() 方法还可以对多维数组进行排序，指定 axis 参数即可：
arr = np.array([[2, 4], [1, 3]])
print(np.sort(arr, axis=1)) # [[2 4] [1 3]]
argsort()
argsort() 方法用于返回数组排序后的下标，也就是返回排序后数组中元素在原始数组中的位置。
arr = np.array([3, 1, 2])
print(np.argsort(arr)) # [1 2 0]
lexsort()
lexsort() 方法用于执行间接排序，该方法将多个序列一起排序，因此要求每个序列的元素个数相同。
a = np.array([1, 3, 2])
b = np.array([7, 6, 5])
c = np.array([9, 8, 0])
d = np.lexsort((a, b, c))
print(list(zip(a[d], b[d], c[d]))) # [(2, 5, 0), (3, 6, 8), (1, 7, 9)]
argpartition()
argpartition() 方法用于执行快速排序中的分区（即快排中的 pivot 操作）。
arr = np.array([3, 1, 2])
print(np.argpartition(arr, 1)) # [1 2 0]
partition()
partition() 方法用于实现部分排序，也就是说可以让数组在分区中有序，在分区之外无序。
arr = np.array([3, 1, 2])
print(np.partition(arr, 1)) # [1 2 3]
条件刷选函数
NumPy 的条件刷选函数可以按照指定条件选取符合条件的数组元素。
- nonzero()
- where()
- extract()
nonzero()
nonzero() 方法用于返回非零元素的下标。
arr = np.array([3, 0, 2, 0, 1])
print(np.nonzero(arr)) # [(array([0, 2, 4], dtype=int64),)]
where()
where() 方法用于按照某个条件选取数组中符合条件的元素，如果没有条件，就返回所有非零元素的下标。
arr = np.array([3, 0, 2, 0, 1])
print(np.where(arr > 1)) # (array([0, 2], dtype=int64),)
extract()
extract() 方法用于从数组中提取符合条件的元素。
arr = np.array([3, 0, 2, 0, 1])
condition = arr > 1
print(np.extract(condition, arr)) # [3 2]
总结
NumPy 提供了很多种排序和条件刷选函数，可以满足我们对数组的排序和选取需求。在使用时需要根据具体情况选择适当的函数，并注意每个函数的参数和返回值，以免出现错误。