NumPy - 排序、搜索和计数函数

NumPy 提供了多种用于对数组中的元素进行排序、搜索和计数的函数。这些函数对于数据操作和分析非常有用。

NumPy 提供了多种排序算法，每种算法都有其特点。以下是三种常见排序算法的比较 -

numpy.sort() 函数

sort() 函数返回输入数组的排序副本。它可以沿任何指定的轴对数组进行排序，并支持不同的排序算法。语法如下:

numpy.sort(a, axis, kind, order)

其中，

示例

在下面的示例中，我们将按默认方式和特定轴对二维 NumPy 数组进行排序。我们还演示了如何按特定字段(例如"name")对结构化数组进行排序 -

import numpy as np

# 创建二维数组
a = np.array([[3, 7], [9, 1]])

print("我们的数组是:",a)

# 默认排序
print("调用 sort() 函数:",np.sort(a))

# 沿轴 0 排序
print("沿轴 0 排序:",np.sort(a, axis=0))

# sort 函数中的 order 参数
dt = np.dtype([('name', 'S10'), ('age', int)])
a = np.array([("raju", 21), ("anil", 25), ("ravi", 17), ("amar", 27)], dtype=dt)

print("我们的数组是:",a)

print("按名称排序:",np.sort(a, order='name'))

它将产生以下输出 -

我们的数组是:
[[3 7]
[9 1]]

调用 sort() 函数:
[[3 7]
[1 9]]

沿轴 0 排序:
[[3 1]
[9 7]]

我们的数组是:
[('raju', 21) ('anil', 25) ('ravi', 17) ('amar', 27)]

按名称排序:
[('amar', 27) ('anil', 25) ('raju', 21) ('ravi', 17)]

numpy.argsort() 函数

numpy.argsort() 函数对输入数组进行间接排序，沿给定轴并使用指定的排序类型返回数据索引数组。此索引数组用于构造排序后的数组。

示例

在此示例中，我们使用 argsort() 函数检索索引，即已排序元素在原始数组中的位置。使用这些索引，你可以重建已排序的数组 -

import numpy as np

# 创建数组
x = np.array([3, 1, 2])

print("我们的数组是:",x)

# 获取对数组进行排序的索引
y = np.argsort(x)

print("对 x 应用 argsort():",y)

# 使用索引重建已排序的数组
print("按排序顺序重建原始数组:",x[y])

# 使用循环重建原始数组
print("使用循环重建原始数组:")
for i in y:
print(x[i], end=' ')

它将产生以下输出 -

我们的数组是:
[3 1 2]

对 x 应用 argsort():
[1 2 0]

按排序顺序重建原始数组:
[1 2 3]

使用循环重建原始数组:
1 2 3

numpy.lexsort() 函数

NumPy lexsort() 函数使用一系列键执行间接排序。这些键可以看作电子表格中的一列。该函数返回一个索引数组，使用该数组可以获取排序后的数据。注意，最后一个键恰好是 sort 的主键。

示例

在此示例中，我们使用 np.lexsort() 函数基于多个键对数据集进行排序，其中最后一个键"nm"是主要排序条件。然后，使用排序后的索引，通过组合名称和相应字段来显示排序后的数据 -

import numpy as np

# 定义键
nm = ('raju', 'anil', 'ravi', 'amar')
dv = ('f.y.', 's.y.', 's.y.', 'f.y.')

# 获取排序后的索引
ind = np.lexsort((dv, nm))

print("调用 lexsort() 函数:",ind)

# 使用索引获取排序后的数据
print("使用此索引获取排序后的数据:",[nm[i] + ", " + dv[i] for i in ind])

将产生以下输出−

应用 lexsort() 函数:
[3 1 0 2]

使用此索引获取已排序数据:
['amar, f.y.', 'anil, s.y.', 'raju, f.y.', 'ravi, s.y.']

NumPy 提供了查找最大值、最小值和非零元素以及满足条件的元素的索引的函数。

numpy.argmax() 和 numpy.argmin() 函数

NumPy argmax() 和 argmin() 函数分别返回沿给定轴的最大和最小元素的索引。

示例

在此示例中，我们使用 np.argmax() 和 np.argmin() 函数来查找二维数组中最大值和最小值的索引，包括扁平数组和特定轴上的索引 -

import numpy as np 

# 创建二维数组
a = np.array([[30, 40, 70], [80, 20, 10], [50, 90, 60]])

print("我们的数组是:",a)

# 调用 argmax() 函数
print("调用 argmax() 函数:",np.argmax(a))

# 展平数组中最大值的索引
print("展平数组中最大值的索引:",a.flatten())

# 包含沿轴 0 最大值的索引的数组
print("包含沿轴 0 最大值的索引的数组:")
maxindex = np.argmax(a, axis=0)
print(maxindex)

# 包含沿轴 1 最大值的索引的数组
print("包含沿轴 1 最大值的索引的数组:")
maxindex = np.argmax(a, axis=1)
print(maxindex)

# 调用 argmin() 函数
print("调用 argmin() 函数:")
minindex = np.argmin(a)
print(minindex)

# 展平数组
print("展平数组:",a.flatten()[minindex])

# 沿轴 0 展平数组
print("沿轴 0 展平数组:")
minindex = np.argmin(a, axis=0)
print(minindex)

# 沿轴 1 展平数组
print("沿轴 1 展平数组:")
minindex = np.argmin(a, axis=1)
print(minindex)

输出包含这些极值的索引，演示如何访问和解释数组中的这些位置 -

我们的数组是:
[[30 40 70]
[80 20 10]
[50 90 60]]

调用 argmax() 函数:
7

展平数组中最大值的索引
[30 40 70 80 20 10 50 90 60]

包含沿轴 0 最大值索引的数组:
[1 2 0]

包含沿轴 1 最大值索引的数组:
[2 0 1]

调用 argmin() 函数:
5

展平数组:
10

沿轴 0 展平数组:
[0 1 1]

沿轴 1 展平数组:
[0 2 0]

numpy.nonzero() 函数

numpy.nonzero() 函数返回输入数组中非零元素的索引。

示例

在下面的示例中，我们使用 nonzero() 函数检索数组"a"中非零元素的索引 -

import numpy as np
a = np.array([[30,40,0],[0,20,10],[50,0,60]])

print ('我们的数组是:',a)
print ('应用 nonzero() 函数:',np.nonzero (a))

它将产生以下输出 -

我们的数组是:
[[30 40 0]
[ 0 20 10]
[50 0 60]]

调用 nonzero() 函数:
(array([0, 0, 1, 1, 2, 2]), array([0, 1, 1, 2, 0, 2]))

numpy.where() 函数

where() 函数返回输入数组中满足给定条件的元素的索引，如下例所示 -

import numpy as np
x = np.arange(9.).reshape(3, 3)

print ('我们的数组是:',x)

print ('元素的索引 > 3')
y = np.where(x > 3)
print (y)

print ('使用这些索引获取满足条件的元素',x[y])

它将产生以下输出 -

我们的数组是:
[[ 0. 1. 2.]
[ 3. 4. 5.]
[ 6. 7. 8.]]

元素的索引 > 3
(array([1, 1, 2, 2, 2]), array([1, 2, 0, 1, 2]))

使用这些索引获取满足条件的元素
[ 4. 5. 6. 7. 8.]

numpy.extract() 函数

extract() 函数返回满足以下示例所示任何条件的元素 -

import numpy as np
x = np.arange(9.).reshape(3, 3)

print ('我们的数组是:',x)

# 定义一个条件
condition = np.mod(x,2) == 0

print ('条件的逐元素值',condition)

print ('使用条件提取元素',np.extract(condition, x))

它将产生以下输出 −

我们的数组是:
[[ 0. 1. 2.]
[ 3. 4. 5.]
[ 6. 7. 8.]]

条件的元素值
[[ True False True]
[False True False]
[ True False True]]

使用条件提取元素
[ 0. 2. 4. 6. 8.]