NumPy - 数组排序

NumPy 中的数组排序

在 NumPy 中，排序是指将数组元素按特定顺序排列的过程，通常是升序或降序。

NumPy 提供了几个执行排序操作的函数，这些函数可以应用于一维数组和多维数组。它们如下:

• sort() 函数
• partition() 函数
• argsort() 函数
• lexsort() 函数

使用 np.sort() 函数

np.sort() 函数对数组元素进行排序，并返回一个包含排序后元素的新数组。除非使用"ndarray"对象的sort()函数进行排序，否则原始数组保持不变。

排序可以沿指定轴进行，如果未指定轴，则该函数默认沿最后一个轴排序。语法如下:

numpy.sort(a, axis=-1, kind=None, order=None)

其中:

• a: 待排序的数组。
• axis: 排序所沿的轴。默认值为 -1，表示沿最后一个轴排序。
• kind: 使用的排序算法。选项包括"快速排序"、"归并排序"、"堆排序"和"稳定排序"。
• order: 用于对结构化数组进行排序，定义要比较的字段。

示例

在以下示例中，我们使用 np.sort() 函数对给定数组进行升序排序 -

import numpy as np

arr = np.array([3, 1, 2, 5, 4])
sorted_arr = np.sort(arr)

print("原始数组:", arr)
print("排序后数组:", sorted_arr)

以下是获得的输出 -

原始数组:[3 1 2 5 4]
排序后数组:[1 2 3 4 5]

NumPy 中的原地排序

原地排序是一种直接对原始数组执行排序操作的方法，它修改原始数组的顺序(默认为升序)，而不创建单独的已排序副本。

在 NumPy 中，我们可以使用 ndarray 对象的 sort() 函数执行原地排序。语法如下:-

ndarray.sort(axis=-1, kind=None, order=None)

示例

在此示例中，我们使用 arr.sort() 函数对给定数组进行原地排序，并修改原始数组:-

import numpy as np

arr = np.array([3, 1, 2, 5, 4])
arr.sort()
print("原地排序数组:", arr)

这将产生以下结果:-

原地排序数组:[1 2 3 4 5]

沿特定轴排序

NumPy 允许沿多维数组中的特定轴对元素进行排序。它可以帮助您以尊重数组结构的方式组织数据，无论是对行、列还是高维切片进行排序。

我们可以使用 np.sort() 函数的 axis 参数沿 Numpy 中的特定轴对元素进行排序 -

• 轴 0: 它表示二维数组中的行(向下方向)。沿轴 0 排序会单独对每一列进行排序。
• 轴 1: 它表示二维数组中的列(水平方向)。沿轴 1 排序会单独对每一行进行排序。
• 更高维度:在维度超过二维的数组中，轴 2、轴 3 等对应于更高维度的切片。

示例

在下面的示例中，我们沿两个不同的轴对二维 NumPy 数组进行排序:轴 0(列)和轴 1(行)−

import numpy as np

arr = np.array([[3, 2, 1], [6, 5, 4]])
sorted_arr_axis0 = np.sort(arr, axis=0)
sorted_arr_axis1 = np.sort(arr, axis=1)

print("原始数组:
", arr)
print("沿轴 0 排序:
", sorted_arr_axis0)
print("沿轴 1 排序:
", sorted_arr_axis1)

以下是上述代码的输出 -

原始数组:
[[3 2 1]
[6 5 4]]
沿轴 0 排序:
[[3 2 1]
[6 5 4]]
沿轴 1 排序:
[[1 2 3]
[4 5 6]]

使用partition()函数进行部分排序

NumPy中的np.partition()函数用于对数组中的元素进行重新排序，使得所有小于指定元素(称为"第k个元素")的元素移动到它之前，所有大于"第 k 个元素"的元素移动到它之后。

当你需要在不完全排序的情况下找到数组中第 k 个最小或最大元素时，此函数非常有用。语法如下:

numpy.partition(a, kth, axis=-1, kind='introselect', order=None)

其中，

• a: 是要分区的数组。
• kth: 是我们需要围绕其对数组进行分区的元素的索引。它可以是整数或整数序列。
• axis: 是沿着其对数组进行分区的轴。默认情况下，它设置为 -1，表示最后一个轴。
• kind: 这是要使用的选择算法。默认值为 'introselect'，它是快速选择和中位数中值的混合体。
• order: 用于复杂数据类型，指定排序依据的字段。

示例

在此示例中，数组被分区，使得索引 2 处的元素的定位方式为:它之前的所有元素都小于或等于，而它之后的所有元素都大于或等于 -

import numpy as np

arr = np.array([3, 1, 2, 5, 4])
partitioned_arr = np.partition(arr, 2)

print("分区数组:", partitioned_arr)

获得的输出如下所示 -

分区数组:[1 2 3 5 4]

使用 argsort() 函数进行间接排序

NumPy 中的 np.argsort() 函数用于获取对数组进行排序的索引。np.argsort() 函数不返回排序后的数组本身，而是返回一个索引数组，该数组表示元素应按何种顺序排列以实现排序数组。

当您需要根据一个数组的排序顺序对另一个数组进行排序时，此函数非常有用。语法如下:

numpy.argsort(a, axis=-1, kind=None, order=None)

其中:

• a: 您要排序的数组。
• axis: 排序时所沿的轴。默认情况下，设置为 -1，即最后一个轴。
• kind: 要使用的排序算法。选项包括"quicksort"、"mergesort"、"heapsort"和"stable"。默认值为"quicksort"。
• order:用于复杂数据类型，指定排序依据的字段。

示例

在下面的示例中，我们使用 np.argsort() 函数获取对数组"arr"进行排序的索引。然后，我们使用这些索引将原始数组重新排列成其排序顺序 -

import numpy as np

arr = np.array([3, 1, 2, 5, 4])
sorted_indices = np.argsort(arr)

print("用于对数组进行排序的索引:", sorted_indices)
print("使用索引对数组进行排序:", arr[sorted_indices])

执行上述代码后，我们得到以下输出 -

用于对数组进行排序的索引:[1 2 0 4 3]
使用索引对数组进行排序:[1 2 3 4 5]

结构化排序数组

NumPy 中的结构化数组允许您创建数组，其中每个元素可以包含多个字段，每个字段都有各自的数据类型。这类似于传统编程语言中的数据库表或记录，其中每个条目可以包含多种类型的数据。

您可以基于一个或多个字段对结构化数组进行排序。这在您想要根据特定条件对记录进行排序时非常有用。为此，您可以使用 NumPy 中的 np.sort() 函数，该函数接受 order 参数来指定要按哪些字段进行排序。

示例

在下面的示例中，我们按"age"字段对结构化数组"arr"进行排序 -

import numpy as np

arr = np.array([('John', 25), ('Alice', 30), ('Bob', 22)],
               dtype=[('name', 'U10'), ('age', 'i4')])
sorted_arr = np.sort(arr, order='age')

print("已排序的结构化数组:
", sorted_arr)

结果如下 -

已排序的结构化数组:
[('Bob', 22) ('John', 25) ('Alice', 30)]

使用 lexsort() 函数进行字典顺序排序

np.lexsort() 函数使用一系列键执行间接排序。它接受一系列字段或列作为参数，并返回一个索引数组，该数组将根据这些键对输入数组进行排序。语法如下:

numpy.lexsort(keys, axis=-1)

其中:

• keys: 它是一个数组序列或单个数组，其中每个数组代表一个用于排序的键。键按提供的顺序排序，这意味着序列中的最后一个键是主键，倒数第二个键是辅助键，依此类推。
• axis: 它是排序的轴。默认情况下，它设置为 -1，表示最后一个轴。

示例

在此示例中，使用 np.lexsort() 函数首先根据姓名对数组进行排序，然后如果姓名相同，则按年龄排序。排序顺序基于字典顺序比较 -

import numpy as np

names = np.array(['John', 'Alice', 'Bob'])
ages = np.array([25, 30, 22])
sorted_indices = np.lexsort((ages, names))

print("字典顺序排序的索引:", sorted_indices)
print("排序后的姓名和年龄:", names[sorted_indices], ages[sorted_indices])

我们得到如下所示的输出 -

字典顺序排序的索引:[1 2 0]
排序后的姓名和年龄: ['Alice' 'Bob' 'John'] [30 22 25]