18、Numpy 排序、條件刷選函數

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.]