解读Numpy中的排序(sort,argsort)

更新时间：2023年06月14日 10:24:17 作者：EvanForEver

这篇文章主要介绍了关于Numpy中的排序(sort,argsort)，具有很好的参考价值，希望对大家有所帮助。如有错误或未考虑完全的地方，望不吝赐教

Numpy中的排序(sort,argsort)

按索引排序

>>import numpy as np
>>x=np.array([[0,12,48],[4,14,18],[1,7,99]])
#灵活应用索引和切片实现按索引的排序
#倒序的实现(普通列表也可用reverse实现，numpy则没有这个方法)
>>x[::-1]
array([[ 1,  7, 99],
       [ 4, 14, 18],
       [ 0, 12, 48]])
#指定顺序的实现(传入用于指定顺序的整数列表或ndarray即可)
>>x[[2,0,1]]
array([[ 1,  7, 99],
       [ 0, 12, 48],
       [ 4, 14, 18]])
>>x[[2,0,1],[0,2,1]] #只是截取部分元素，并不符合排序要求
array([ 1, 48, 14])
>>x[[2,0,1]][:,[0,2,1]]
array([[ 1, 99,  7],
       [ 0, 48, 12],
       [ 4, 18, 14]])
>>x[np.ix_([2,0,1],[0,2,1])] #np.ix_函数将两个一维数组转化为用于选取方形区域的索引器
array([[ 1, 99,  7],
       [ 0, 48, 12],
       [ 4, 18, 14]])

按值大小排序

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

或者：

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

参数	描述
axis	排序沿数组的（轴）方向，0表示按行，1表示按列，None表示展开来排序，默认值为-1，表示沿最后的轴排序
kind	排序的算法，提供了快排'quicksort'、混排'mergesort'、堆排'heapsort'，默认为‘quicksort'
order	排序的字段名，可指定字段排序，默认为None

>>import numpy as np
>>x=np.array([[0,12,48],[4,18,14],[7,1,99]])
>>np.sort(x)
array([[ 0, 12, 48],
       [ 4, 14, 18],
       [ 1,  7, 99]])
>>np.sort(x,axis=1)
array([[ 0, 12, 48],
       [ 4, 14, 18],
       [ 1,  7, 99]])
>>x.sort()
array([[ 0, 12, 48],
       [ 4, 14, 18],
       [ 1,  7, 99]])
>>dt = np.dtype([('name',  'S10'),('age',  int)]) 
>>a = np.array([("Mike",21),("Nancy",25),("Bob",  17),  ("Jane",27)], dtype = dt)
>>np.sort(a, order =  'name')
array([(b'Bob', 17), (b'Jane', 27), (b'Mike', 21), (b'Nancy', 25)],
      dtype=[('name', 'S10'), ('age', '<i4')])
>>np.sort(a, order =  'age')
array([(b'Bob', 17), (b'Mike', 21), (b'Nancy', 25), (b'Jane', 27)],
      dtype=[('name', 'S10'), ('age', '<i4')])

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

对数组沿给定轴执行间接排序，并使用指定排序类型返回数据的索引数组。这个索引数组用于构造排序后的数组。

参数类似于sort()，不作说明

>>import numpy as np
>>> x = np.array([3, 1, 2])
>>> a=np.argsort(x)
>>a #升序
#argsort函数返回的是数组值从小到大的索引值,[3, 1, 2]从小到大为[1，2，3],期对应的索引为[1，2，0] 
array([1, 2, 0]) 
>>np.argsort(-x) #降序
array([0, 2, 1], dtype=int64)
>>x[a] #以排序后的顺序重构原数组
array([1, 2, 3])
#二维数组
>>x=np.array([[0,12,48],[4,18,14],[7,1,99]])
>>a1=np.argsort(x)
>>a1
array([[0, 1, 2],
       [0, 2, 1],
       [1, 0, 2]], dtype=int64)
#以排序后的顺序重构原数组，注意与一维数组的形式不一样
>>np.array([np.take(x[i],x[i].argsort())for i in range(3)])
array([[ 0, 12, 48],
       [ 4, 14, 18],
       [ 1,  7, 99]])
>>x[x[:,2].argsort()] #按照第三列对行进行排序
array([[ 4, 18, 14],
       [ 0, 12, 48],
       [ 7,  1, 99]])
>>x.T[x.T[:,2].argsort()].T #按照第三行对列进行排序
array([[12,  0, 48],
       [18,  4, 14],
       [ 1,  7, 99]])
>>x[:,x[2].argsort()]  #还可以这样写
array([[12,  0, 48],
       [18,  4, 14],
       [ 1,  7, 99]])

lexsort(keys, axis=-1)

lexsort()根据键值的字典序进行排序，支持对数组按指定行或列的顺序排序，间接排序，不修改原数组，返回索引。一般对一维数组使用argsort()。

默认按最后一行元素有小到大排序, 返回最后一行元素排序后索引所在位置。

参数	描述
'axis'	数组排序时的基准，axis=0，按行排列；axis=1，按列排列
'keys'	排序的参照物包括数组或包含N维的的元组，默认值为最后一行，（如果为二维数组则指最后一列）

>>import numpy as np 
>>x=np.array([[0,12,48],[4,18,14],[7,1,99]])
>>np.lexsort(x)
array([1, 0, 2], dtype=int64) #返回索引值
>>a=np.array([1,5,1,4,3,4,4])
>>b=np.array([9,4,0,4,0,2,1])
>>> ind=np.lexsort((b,a)) 
>>ind #将长度相同的a，b组合，再根据a值的大小进行排序，再考虑b值
array([2, 0, 4, 6, 5, 3, 1], dtype=int64) 
>>list(zip(a[ind],b[ind]))
[(1, 0), (1, 9), (3, 0), (4, 1), (4, 2), (4, 4), (5, 4)]
>>> c=[[1,5,1,4,3,4,4],[9,4,0,4,0,2,1]]
>>> np.lexsort(c) # 此种情况与先b后a的情况一致
array([2, 4, 6, 5, 3, 1, 0], dtype=int64)
#其他方法
#按最后一列顺序排序
>>x[np.lexsort(x.T)]
array([[ 4, 18, 14],
       [ 0, 12, 48],
       [ 7,  1, 99]])
#按最后一列逆序排序
>>x[np.lexsort(-x.T)] 
array([[ 7,  1, 99],
       [ 0, 12, 48],
       [ 4, 18, 14]])
#按第一列顺序排序
>>x[np.lexsort(x[:,::-1].T)]
array([[ 0, 12, 48],
       [ 4, 18, 14],
       [ 7,  1, 99]])
#按最后一行顺序排序
>>x.T[np.lexsort(x)].T 
array([[12,  0, 48],
       [18,  4, 14],
       [ 1,  7, 99]])
#按第一行顺序排序
>>x.T[np.lexsort(x[::-1,:])].T 
array([[ 0, 12, 48],
       [ 4, 18, 14],
       [ 7,  1, 99]])

numpy 数组排序np.sort()、np.argsort()

np.sort(a, axis=-1, kind=‘quicksort', order=None)

将指定轴上的每一个元素都按照从小到大的顺序排列。

Params：

axis：默认是-1，即最大维度，二维数组就是轴1，三维数组就是轴2。
kind：排序规则，有三个选项，如下，使用默认的就好

kind	speed	worst case	work space	stable
‘quicksort’	1	O(n^2)	0	no
‘mergesort’	2	O(n*log(n))	~n/2	yes
‘heapsort’	3	O(n*log(n))	0	no

order：指定排序的规则。

举例：

arr = np.array([[7,3,9],
                [9,0,8]])
np.sort(arr,axis=0)
array([[7, 0, 8],
       [9, 3, 9]])

指定axis=0，把每一列按照从小到大排列。

np.sort(arr,axis=1)
array([[3, 7, 9],
       [0, 8, 9]])

指定axis=1，把每一行按照从小到大排列。

np.argsort(a, axis=-1, kind=‘quicksort', order=None)

返回的是数组值从小到大排序的索引值。就是把数组升序排序，然后看看各个元素在原来数组中的索引值，看看排在第一小的数在原来数组的哪个位置。形状与传入数组相同。

参数使用同上。

举例：

这里我们举一个简单的例子，万变不离其宗。

ind = np.argsort([4,3,5,6,0],axis=0)
ind
array([4, 1, 0, 2, 3], dtype=int64)

附图解释。每个数字排序时，它的index也随着数值走。最后返回其原来的index。

总结

以上为个人经验，希望能给大家一个参考，也希望大家多多支持脚本之家。

您可能感兴趣的文章:

python矩阵的转置和逆转实例
今天小编就为大家分享一篇python矩阵的转置和逆转实例，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
2018-12-12
用Python实现将一张图片分成9宫格的示例
今天小编就为大家分享一篇用Python实现将一张图片分成9宫格的示例，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
2019-07-07
Django视图函数的具体使用
这篇文章主要介绍了Django视图函数的具体使用，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧
2021-03-03
Python读取系统文件夹内所有文件并统计数量的方法
今天小编就为大家分享一篇Python读取系统文件夹内所有文件并统计数量的方法，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
2018-10-10
Python中getpass模块无回显输入源码解析
这篇文章主要介绍了Python中getpass模块无回显输入源码解析，具有一定借鉴价值,需要的朋友可以参考下
2018-01-01
Selenium控制浏览器常见操作示例
这篇文章主要介绍了Selenium控制浏览器常见操作,结合实例形式分析了Selenium针对浏览器的窗口大小控制、前进、后退、刷新、截屏等相关操作技巧,需要的朋友可以参考下
2018-08-08
opencv 图像滤波(均值,方框,高斯,中值)
这篇文章主要介绍了opencv 图像滤波(均值,方框,高斯,中值),文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧
2020-07-07
Python如何利用struct进行二进制文件或数据流
这篇文章主要介绍了Python如何利用struct进行二进制文件或数据流问题,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教
2024-01-01
pyside+pyqt实现鼠标右键菜单功能
这篇文章主要为大家详细介绍了pyside+pyqt实现鼠标右键菜单功能，文中示例代码介绍的非常详细，具有一定的参考价值，感兴趣的小伙伴们可以参考一下
2019-02-02
python用faker库批量生成假数据
这篇文章主要介绍了python用faker库批量生成假数据，帮助大家更好的理解和学习使用python，感兴趣的朋友可以了解下
2021-03-03