1、番外說明
大家好,我是小P,本系列是本人對Python模塊Numpy的一些學習記錄,總結於此一方面方便其它初學者學習,另一方面害怕自己遺忘,希望大家喜歡。此外,對“目標檢測/模型壓縮/語義分割”感興趣的小夥伴,歡迎加入QQ羣 813221712 討論交流,進羣請看羣公告!(可以點擊如下連接直接加入!)
點擊鏈接加入羣聊【Object Detection】:https://jq.qq.com/?_wv=1027&k=5kXCXF8
2、正題
參考鏈接:
https://www.runoob.com/numpy/numpy-sort-search.html
NumPy 提供了多種排序的方法。 這些排序函數實現不同的排序算法,每個排序算法的特徵在於執行速度,最壞情況性能,所需的工作空間和算法的穩定性。 下表顯示了三種排序算法的比較。
2.1 numpy.sort()
numpy.sort() 函數返回輸入數組的排序副本。函數格式如下:
numpy.sort(a, axis, kind, order)
參數說明:
● a: 要排序的數組
● axis: 沿着它排序數組的軸,如果沒有數組會被展開,沿着最後的軸排序, axis=0 按列排序
● kind: 默認爲’quicksort’(快速排序)
● order: 如果數組包含字段,則是要排序的字段
實例:numpy.sort使用
import numpy as np
a = np.array([[3,7],[9,1]])
print ('我們的數組是:')
print (a)
print ('調用 sort() 函數:')
print (np.sort(a))
print ('按列排序:')
print (np.sort(a, axis = 0))
# 在 sort 函數中排序字段
dt = np.dtype([('name', 'S10'),('age', int)])
a = np.array([("raju",21),("anil",25),("ravi", 17), ("amar",27)], dtype = dt)
print ('我們的數組是:')
print (a)
print ('按 name 排序:')
print (np.sort(a, order = 'name'))
輸出結果爲:
我們的數組是:
[[3 7]
[9 1]]
調用 sort() 函數:
[[3 7]
[1 9]]
按列排序:
[[3 1]
[9 7]]
我們的數組是:
[(b'raju', 21) (b'anil', 25) (b'ravi', 17) (b'amar', 27)]
按 name 排序:
[(b'amar', 27) (b'anil', 25) (b'raju', 21) (b'ravi', 17)]
2.2 numpy.argsort()
numpy.argsort() 函數返回的是數組值從小到大的索引值。
實例:numpy.argsort使用
import numpy as np
x = np.array([3, 1, 2])
print ('我們的數組是:')
print (x)
print ('對 x 調用 argsort() 函數:')
y = np.argsort(x)
print (y)
print ('以排序後的順序重構原數組:')
print (x[y])
print ('使用循環重構原數組:')
for i in y:
print (x[i], end=" ")
輸出結果爲:
我們的數組是:
[3 1 2]
對 x 調用 argsort() 函數:
[1 2 0]
以排序後的順序重構原數組:
[1 2 3]
使用循環重構原數組
1 2 3
2.3 numpy.lexsort()
numpy.lexsort() 用於對多個序列進行排序。把它想象成對電子表格進行排序,每一列代表一個序列,排序時優先照顧靠後的列。
這裏舉一個應用場景:小升初考試,重點班錄取學生按照總成績錄取。在總成績相同時,數學成績高的優先錄取,在總成績和數學成績都相同時,按照英語成績錄取…… 這裏,總成績排在電子表格的最後一列,數學成績在倒數第二列,英語成績在倒數第三列。
實例:numpy.lexsort使用
import numpy as np
nm = ('raju','anil','ravi','amar')
dv = ('f.y.', 's.y.', 's.y.', 'f.y.')
ind = np.lexsort((dv,nm))
print ('調用 lexsort() 函數:')
print (ind)
print ('使用這個索引來獲取排序後的數據:')
print ([nm[i] + ", " + dv[i] for i in ind])
輸出結果爲:
調用 lexsort() 函數:
[3 1 0 2]
使用這個索引來獲取排序後的數據:
['amar, f.y.', 'anil, s.y.', 'raju, f.y.', 'ravi, s.y.']
上面傳入 np.lexsort 的是一個tuple,排序時首先排 nm,順序爲:amar、anil、raju、ravi 。綜上排序結果爲 [3 1 0 2]。
msort、sort_complex、partition、argpartition
2.4 複數排序:
>>> import numpy as np
>>> np.sort_complex([5, 3, 6, 2, 1])
array([ 1.+0.j, 2.+0.j, 3.+0.j, 5.+0.j, 6.+0.j])
>>>
>>> np.sort_complex([1 + 2j, 2 - 1j, 3 - 2j, 3 - 3j, 3 + 5j])
array([ 1.+2.j, 2.-1.j, 3.-3.j, 3.-2.j, 3.+5.j])
2.5 partition() 分區排序:
>>> a = np.array([3, 4, 2, 1])
>>> np.partition(a, 3) # 將數組 a 中所有元素(包括重複元素)從小到大排列,比第3小的放在前面,大的放在後面
array([2, 1, 3, 4])
>>>
>>> np.partition(a, (1, 3)) # 小於 1 的在前面,大於 3 的在後面,1和3之間的在中間
array([1, 2, 3, 4])
找到數組的第 3 小(index=2)的值和第 2 大(index=-2)的值
>>> arr = np.array([46, 57, 23, 39, 1, 10, 0, 120])
>>> arr[np.argpartition(arr, 2)[2]]
10
>>> arr[np.argpartition(arr, -2)[-2]]
57
同時找到第 3 和第 4 小的值。注意這裏,用 [2,3] 同時將第 3 和第 4 小的排序好,然後可以分別通過下標 [2] 和 [3] 取得。
>>> arr[np.argpartition(arr, [2,3])[2]]
10
>>> arr[np.argpartition(arr, [2,3])[3]]
23
2.6 numpy.argmax() 和 numpy.argmin()
numpy.argmax() 和 numpy.argmin()函數分別沿給定軸返回最大和最小元素的索引。
實例:numpy.argmax和numpy.argmin使用
import numpy as np
a = np.array([[30,40,70],[80,20,10],[50,90,60]])
print ('我們的數組是:')
print (a)
print ('調用 argmax() 函數:')
print (np.argmax(a))
print ('展開數組:')
print (a.flatten())
print ('沿軸 0 的最大值索引:')
maxindex = np.argmax(a, axis = 0)
print (maxindex)
、
print ('沿軸 1 的最大值索引:')
maxindex = np.argmax(a, axis = 1)
print (maxindex)
print ('調用 argmin() 函數:')
minindex = np.argmin(a)
print (minindex)
print ('展開數組中的最小值:')
print (a.flatten()[minindex])
print ('沿軸 0 的最小值索引:')
minindex = np.argmin(a, axis = 0)
print (minindex)
print ('沿軸 1 的最小值索引:')
minindex = np.argmin(a, axis = 1)
print (minindex)
輸出結果爲:
我們的數組是:
[[30 40 70]
[80 20 10]
[50 90 60]]
調用 argmax() 函數:
7
展開數組:
[30 40 70 80 20 10 50 90 60]
沿軸 0 的最大值索引:
[1 2 0]
沿軸 1 的最大值索引:
[2 0 1]
調用 argmin() 函數:
5
展開數組中的最小值:
10
沿軸 0 的最小值索引:
[0 1 1]
沿軸 1 的最小值索引:
[0 2 0]
2.7 numpy.nonzero()
numpy.nonzero() 函數返回輸入數組中非零元素的索引。
實例:numpy.nonzero使用
import numpy as np
a = np.array([[30,40,0],[0,20,10],[50,0,60]])
print ('我們的數組是:')
print (a)
print ('調用 nonzero() 函數:')
print (np.nonzero (a))
輸出結果爲:
我們的數組是:
[[30 40 0]
[ 0 20 10]
[50 0 60]]
調用 nonzero() 函數:
(array([0, 0, 1, 1, 2, 2]), array([0, 1, 1, 2, 0, 2]))
2.8 numpy.where()
numpy.where() 函數返回輸入數組中滿足給定條件的元素的索引。
實例:numpy.where使用
import numpy as np
x = np.arange(9.).reshape(3, 3)
print ('我們的數組是:')
print (x)
print ( '大於 3 的元素的索引:')
y = np.where(x > 3)
print (y)
print ('使用這些索引來獲取滿足條件的元素:')
print (x[y])
輸出結果爲:
我們的數組是:
[[0. 1. 2.]
[3. 4. 5.]
[6. 7. 8.]]
大於 3 的元素的索引:
(array([1, 1, 2, 2, 2]), array([1, 2, 0, 1, 2]))
使用這些索引來獲取滿足條件的元素:
[4. 5. 6. 7. 8.]
2.9 numpy.extract()
numpy.extract() 函數根據某個條件從數組中抽取元素,返回滿條件的元素。
實例:numpy.extract使用
import numpy as np
x = np.arange(9.).reshape(3, 3)
print ('我們的數組是:')
print (x)
# 定義條件, 選擇偶數元素
condition = np.mod(x,2) == 0
print ('按元素的條件值:')
print (condition)
print ('使用條件提取元素:')
print (np.extract(condition, x))
輸出結果爲:
我們的數組是:
[[0. 1. 2.]
[3. 4. 5.]
[6. 7. 8.]]
按元素的條件值:
[[ True False True]
[False True False]
[ True False True]]
使用條件提取元素:
[0. 2. 4. 6. 8.]