PythonNumpy教程之排序,搜索和计数详解

2024-04-02 19:04:59 514人浏览安东尼

Python 官方文档：入门教程 => 点击学习

摘要

目录排序搜索Counting排序排序是指以特定格式排列数据。排序算法指定以特定顺序排列数据的方式。最常见的顺序是数字或字典顺序。在 Numpy 中，我们可以使用库中提供的各种函数（

排序

排序是指以特定格式排列数据。排序算法指定以特定顺序排列数据的方式。最常见的顺序是数字或字典顺序。在 Numpy 中，我们可以使用库中提供的各种函数（如 sort、lexsort、argsort 等）执行各种排序操作。

numpy.sort()： 此函数返回数组的排序副本。

# 导入库
import numpy as np
 
# 沿第一轴排序
a = np.array([[12, 15], [10, 1]])
arr1 = np.sort(a, axis = 0)        
print ("Along first axis : \n", arr1)        
 
 
# 沿最后一个轴排序
a = np.array([[10, 15], [12, 1]])
arr2 = np.sort(a, axis = -1)        
print ("\nAlong first axis : \n", arr2)
 
 
a = np.array([[12, 15], [10, 1]])
arr1 = np.sort(a, axis = None)        
print ("\nAlong none axis : \n", arr1)

输出：

Along first axis :
[[10 1]
[12 15]]

Along first axis :
[[10 15]
[ 1 12]]

Along none axis :
[ 1 10 12 15]

numpy.argsort()： 此函数返回将对数组进行排序的索引。

# 演示 numpy.argsort 工作的 python 代码
import numpy as np
 
# 已创建 Numpy 数组
a = np.array([9, 3, 1, 7, 4, 3, 6])
 
# 未排序的数组打印
print('Original array:\n', a)
 
# 排序数组索引
b = np.argsort(a)
print('Sorted indices of original array->', b)
 
# 要使用排序索引获取排序数组 c 是由与 b 相同的 len 创建的临时数组
c = np.zeros(len(b), dtype = int)
for i in range(0, len(b)):
    c[i]= a[b[i]]
print('Sorted array->', c)

在 IDE 上运行

输出：

Original array:
[9 3 1 7 4 3 6]
Sorted indices of original array-> [2 1 5 4 6 3 0]
Sorted array-> [1 3 3 4 6 7 9]

numpy.lexsort()： 此函数使用一系列键返回间接稳定排序。

# 演示 numpy.lexsort() 工作的 Python 代码
import numpy as np
 
# numpy数组创建第一列
a = np.array([9, 3, 1, 3, 4, 3, 6])
 
# 第二栏
b = np.array([4, 6, 9, 2, 1, 8, 7]) 
print('column a, column b')
for (i, j) in zip(a, b):
    print(i, ' ', j)
 
# 按 a 然后按 b 排序
ind = np.lexsort((b, a)) 
print('Sorted indices->', ind)

输出：

column a, column b
9 4
3 6
1 9
3 2
4 1
3 8
6 7
Sorted indices-> [2 3 1 5 4 6 0]

功能	描述
numpy.ndarray.sort()	就地对数组进行排序。
numpy.msort()	返回沿第一个轴排序的数组的副本。
numpy.sort_complex()	首先使用实部对复数数组进行排序，然后使用虚部。
numpy.partition()	返回数组的分区副本。
numpy.argpartition()	使用 kind 关键字指定的算法沿给定轴执行间接分区。

搜索

搜索是一种操作或技术，可帮助查找给定元素或值在列表中的位置。根据是否找到正在搜索的元素，任何搜索都被称为成功或不成功。在 Numpy 中，我们可以使用库中提供的各种函数（如 argmax、argmin、nanaargmax 等）执行各种搜索操作。

numpy.argmax()： 此函数返回特定轴中数组的最大元素的索引。

# 说明 argmax() 工作的 Python 程序
 
import numpy as geek 
 
# 处理二维数组
array = geek.arange(12).reshape(3, 4)
print("INPUT ARRAY : \n", array)
 
# 没有提到轴，所以适用于整个阵列
print("\nMax element : ", geek.argmax(array))
 
# 根据索引返回最大元素的索引
print(("\nIndices of Max element : "
      , geek.argmax(array, axis=0)))
print(("\nIndices of Max element : "
      , geek.argmax(array, axis=1)))

输出：

INPUT ARRAY :
[[ 0 1 2 3]
[ 4 5 6 7]
[ 8 9 10 11]]

Max element : 11

Indices of Max element : [2 2 2 2]

Indices of Max element : [3 3 3]

numpy.nanargmax()： 此函数返回忽略 NaN 的特定轴中数组的最大元素的索引。如果切片仅包含 NaN 和 Infs，则结果不可信。

# 说明 nanargmax() 工作的 Python 程序
 
import numpy as geek 
 
# 处理一维数组
array = [geek.nan, 4, 2, 3, 1]
print("INPUT ARRAY 1 : \n", array)
 
array2 = geek.array([[geek.nan, 4], [1, 3]])
 
# 根据忽略 NaN 的索引返回最大元素的索引
print(("\nIndices of max in array1 : "
       , geek.nanargmax(array)))
 
# 处理二维数组
print("\nINPUT ARRAY 2 : \n", array2)
print(("\nIndices of max in array2 : "
      , geek.nanargmax(array2)))
 
print(("\nIndices at axis 1 of array2 : "
      , geek.nanargmax(array2, axis = 1)))

输出：

INPUT ARRAY 1 :
[nan, 4, 2, 3, 1]

Indices of max in array1 : 1

INPUT ARRAY 2 :
[[ nan 4.]
[ 1. 3.]]

Indices of max in array2 : 1

Indices at axis 1 of array2 : [1 1]

numpy.argmin()： 此函数返回沿轴的最小值的索引。

# 说明 argmin() 工作的 Python 程序
 
import numpy as geek 
 
# 处理一维数组
array = geek.arange(8)
print("INPUT ARRAY : \n", array)
 
 
# 根据索引返回 min 元素的索引
print("\nIndices of min element : ", geek.argmin(array, axis=0))

在 IDE 上运行

输出：

INPUT ARRAY :
[0 1 2 3 4 5 6 7]

Indices of min element : 0

功能	描述
numpy.nanargmin()	返回指定轴中最小值的索引，忽略 NaN。
numpy.argwhere()	查找按元素分组的非零数组元素的索引。
numpy.nonzero()	返回非零元素的索引。
numpy.flatnonzero()	在 a 的扁平化版本中返回非零索引。
numpy.where()	根据条件返回从 x 或 y 中选择的元素。
numpy.searchsorted()	查找应插入元素以保持顺序的索引。
numpy.extract()	返回满足某个条件的数组元素。

Counting

numpy.count_nonzero() ：计算数组中非零值的数量。

# 说明 count_nonzero() 工作的 Python 程序
 
import numpy as np
  
# 计算多个非零值
a = np.count_nonzero([[0,1,7,0,0],[3,0,0,2,19]])
b = np.count_nonzero(([[0,1,7,0,0],[3,0,0,2,19]]
                     , axis=0))
 
print("Number of nonzero values is :",a)
print("Number of nonzero values is :",b)

在 IDE 上运行

输出：