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]
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
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 ：
Number of nonzero values is : 5 Number of nonzero values is : [1, 1, 1, 1, 1]
