1. 前言
NumPy 提供了多种排序函数， 这些排序函数可以实现不同的排序算法。
排序算法特征主要体现在以下四个方面：执行速度，最坏情况下的复杂度，所需的工作空间以及算法的稳定性。下表列举了三种排序算法：
| 种类 | 速度 | 最坏复杂度 | 工作空间 | 稳定性 |
|---|---|---|---|---|
| quicksort（快速排序） | 1 | O(n^2) | 0 | 不稳定 |
| mergesort（归并排序） | 2 | O(n * log(n)） | ~n/2 | 稳定 |
| heapsort（堆排序） | 3 | O(n * log(n)) | 0 | 不稳定 |
2. numpy.sort()
numpy.sort() 对输入数组执行排序，并返回一个数组副本。它具有以下参数：
numpy.sort(a, axis, kind, order)
参数说明：
- a：要排序的数组；
- axis：沿着指定轴进行排序，如果没有指定 axis，默认在最后一个轴上排序，若 axis=0 表示按列排序，axis=1 表示按行排序；
- kind：默认为 quicksort（快速排序）；
- order：若数组设置了字段，则 order 表示要排序的字段。
下面看一组示例：
import numpy as np
a = np.array([[3,7],[9,1]])
print('a数组是：')
print(a)
#调用sort()函数
print(np.sort(a))
#按列排序：
print(np.sort(a, axis = 0))
#设置在sort函数中排序字段
dt = np.dtype([('name', 'S10'),('age', int)])
a = np.array([("raju",21),("anil",25),("ravi", 17), ("amar",27)], dtype = dt)
#再次打印a数组
print(a)
#按name字段排序
print(np.sort(a, order = 'name'))
输出结果：
我们的数组是： [[3 7] [9 1]] 调用sort()函数： [[3 7] [1 9]] 按列排序： [[3 1] [9 7]] 再次打印a数组： [(b'raju', 21) (b'anil', 25) (b'ravi', 17) (b'amar', 27)] 按name字段排序： [(b'amar', 27) (b'anil', 25) (b'raju', 21) (b'ravi', 17)]
3. numpy.argsort()
argsort() 沿着指定的轴，对输入数组的元素值进行排序，并返回排序后的元素索引数组。示例如下：
import numpy as np
a = np.array([90, 29, 89, 12])
print("原数组",a)
sort_ind = np.argsort(a)
print("打印排序元素索引值",sort_ind)
#使用索引数组对原数组排序
sort_a = a[sort_ind]
print("打印排序数组")
for i in sort_ind:
print(a[i],end = " ")
输出结果：
原数组: [90 29 89 12] 打印排序元素的索引数组： [3 1 2 0] 打印排序数组： 12 29 89 90
4. numpy.lexsort()
numpy.lexsort() 按键序列对数组进行排序，它返回一个已排序的索引数组，类似于 numpy.argsort()。
下面看一组示例：
import numpy as np
a = np.array(['a','b','c','d','e'])
b = np.array([12, 90, 380, 12, 211])
ind = np.lexsort((a,b))
#打印排序元素的索引数组
print(ind)
#使用索引数组对数组进行排序
for i in ind:
print(a[i],b[i])
输出结果：
打印排序元素的索引数组： [0 3 1 4 2] 使用索引数组对原数组进行排序： a 12 d 12 b 90 e 211 c 380
NumPy 提供了许多可以在数组内执行搜索功能的函数。比如查找最值或者满足一定条件的元素。
5. numpy.nonzero()
该函数从数组中查找非零元素的索引位置。示例如下：
import numpy as np
b = np.array([12, 90, 380, 12, 211])
print("原数组b",b)
print("打印非0元素的索引位置")
print(b.nonzero())
输出结果：
原数组b [ 12 90 380 12 211] 打印非0元素的索引位置 (array([0, 1, 2, 3, 4]),)
6. numpy.where()
numpy.where() 的返回值是满足了给定条件的元素索引值。
import numpy as np b = np.array([12, 90, 380, 12, 211]) print(np.where(b>12)) c = np.array([[20, 24],[21, 23]]) print(np.where(c>20))
输出结果：
返回满足条件的索引数组 (array([1, 2, 4]),) (array([0, 1, 1]), array([1, 0, 1]))
7. numpy.extract()
该函数的返回值是满足了给定条件的元素值，示例如下：
import numpy as np x = np.arange(9.).reshape(3, 3) 打印数组x:' print(x) #设置条件选择偶数元素 condition = np.mod(x,2)== 0 #输出布尔值数组 print(condition) #按condition提取满足条件的元素值 print np.extract(condition, x)
输出结果：
a数组是： [[0. 1. 2.] [3. 4. 5.] [6. 7. 8.]] 输出布尔值数组： [[ True False True] [False True False] [ True False True]] 按条件提取元素： [0. 2. 4. 6. 8.]
8. numpy.argmax()
该函数返回最大值的的索引，与其相反的函数是 argmin() 求最小值索引 ，示例如下：
import numpy as np a = np.array([[30,40,70],[80,20,10],[50,90,60]]) #a数组 print (a) #argmax() 函数 print (np.argmax(a)) #将数组以一维展开 print (a.flatten()) #沿轴 0 的最大值索引： maxindex = np.argmax(a, axis = 0) print (maxindex) #沿轴 1 的最大值索引 maxindex = np.argmax(a, axis = 1) print (maxindex)
输出结果：
数组a: [[30 40 70] [80 20 10] [50 90 60]] 调用 argmax() 函数： 7 展开数组： [30 40 70 80 20 10 50 90 60] 沿轴 0 的最大值索引： [1 2 0] 沿轴 1 的最大值索引： [2 0 1]
9. numpy.argmin()
argmin() 求最小值索引。示例如下：
import numpy as np
b= np.array([[3,4,7],[8,2,1],[5,9,6]])
print ('数组b：')
print (b)
#调用 argmin()函数
minindex = np.argmin(b)
print (minindex)
#展开数组中的最小值：
print (b.flatten()[minindex])
#沿轴 0 的最小值索引：
minindex = np.argmin(b, axis = 0)
print (minindex)
#沿轴 1 的最小值索引：
minindex = np.argmin(b, axis = 1)
print (minindex)
输出结果：
数组b： [[3 4 7] [8 2 1] [5 9 6]] 返回最小索引值： 5 #展开数组中的最小值： 1 #沿轴 0 的最小值索引： [0 1 1] #沿轴 1 的最小值索引： [0 2 0]
标签：索引,19,print,搜索,数组,np,排序,numpy From： https://www.cnblogs.com/jiajunling/p/16736950.html