- 一、排序
- 1.常用排序函数 numpy.sort()
- 2.返回排序索引函数 numpy.argsort()
- 3.找到第k大元素函数 numpy.partition() （略）
- 4.找到第k大元素对应索引 numpy.argpartition() （略）
- 二、搜索
- 1.返回最大值所在位置 numpy.argmax()
- 2.返回最小值所在位置 numpy.argmin()（略）
- 3.返回非零元素所在位置 numpy.nonzero()
- 4. 找到符合条件的元素 numpy.where()
- 5.找到想要插入元素的所在位置 numpy.searchsorted()
- 三、计数
- 1.返回数组中的非0元素个数 numpy.count_nonzero()（略）
numpy.sort(a[, axis=-1, kind='quicksort', order=None])
参数简介：
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。
下面以结构数组为例来说明 numpy.sort() 函数的强大之处：
import numpy as np
dt = np.dtype([('name', 'S10'), ('age', np.int)])
a = np.array([("Mike", 21), ("Nancy", 25), ("Bob", 17), ("Jane", 27)], dtype=dt)
b = np.sort(a, order='name')
print(b)
# [(b'Bob', 17) (b'Jane', 27) (b'Mike', 21) (b'Nancy', 25)]
b = np.sort(a, order='age')
print(b)
# [(b'Bob', 17) (b'Mike', 21) (b'Nancy', 25) (b'Jane', 27)]
2.返回排序索引函数 numpy.argsort()
numpy.argsort(a[, axis=-1, kind='quicksort', order=None])
参数与 numpy.sort() 函数相同，在此不做赘述。
import numpy as np np.random.seed(20200612) x = np.random.rand(5, 5) * 10 x = np.around(x, 2) print(x) # [[2.32 7.54 9.78 1.73 6.22] # [6.93 5.17 9.28 9.76 8.25] # [0.01 4.23 0.19 1.73 9.27] # [7.99 4.97 0.88 7.32 4.29] # [9.05 0.07 8.95 7.9 6.99]] y = np.argsort(x) print(y) # [[3 0 4 1 2] # [1 0 4 2 3] # [0 2 3 1 4] # [2 4 1 3 0] # [1 4 3 2 0]] y = np.argsort(x, axis=0) print(y) # [[2 4 2 0 3] # [0 2 3 2 0] # [1 3 4 3 4] # [3 1 1 4 1] # [4 0 0 1 2]] y = np.argsort(x, axis=1) print(y) # [[3 0 4 1 2] # [1 0 4 2 3] # [0 2 3 1 4] # [2 4 1 3 0] # [1 4 3 2 0]]3.找到第k大元素函数 numpy.partition() （略）
numpy.partition(a, kth, axis=-1, kind='introselect', order=None)
函数功能介绍： 以索引是 kth 的元素为基准，将元素分成两部分，即大于该元素的放在其后面，小于该元素的放在其前面，这里有点类似于快排。由于博主没有仔细研究函数代码，就结果而言很像是把排列好的第k个元素保留在相对应位置，对于其前后的元素分别在其前后进行打乱。
感觉使用 numpy.sort() 函数后输出对应索引的元素的方法完全可以平替。
新了解此函数的同学可以借鉴下方代码进行调试。
import numpy as np np.random.seed(100) x = np.random.randint(1, 30, [8, 3]) y = np.sort(x, axis=0) print(y) # [[ 3 5 3] # [ 3 11 3] # [ 8 15 4] # [ 9 17 12] # [16 22 16] # [17 24 17] # [18 25 21] # [29 27 25]] i=5 z = np.partition(x, kth=i, axis=0) print(z) # [[ 8 5 3] # [ 3 11 3] # [ 3 15 4] # [ 9 17 12] # [16 22 16] # [17 24 17] # [18 25 21] # [29 27 25]] print(y[i]) # [17 24 17] print(z[i]) # [17 24 17]4.找到第k大元素对应索引 numpy.argpartition() （略）
numpy.argpartition(a, kth, axis=-1, kind='introselect', order=None)
函数简介： 输出 numpy.partition() 函数的返回值所对应的索引。
二、搜索 1.返回最大值所在位置 numpy.argmax()import numpy as np np.random.seed(20200612) x = np.random.rand(5, 5) * 10 x = np.around(x, 2) print(x) # [[2.32 7.54 9.78 1.73 6.22] # [6.93 5.17 9.28 9.76 8.25] # [0.01 4.23 0.19 1.73 9.27] # [7.99 4.97 0.88 7.32 4.29] # [9.05 0.07 8.95 7.9 6.99]] y = np.argmax(x, axis=0) print(y) # [4 0 0 1 2] y = np.argmax(x, axis=1) print(y) # [2 3 4 0 0]2.返回最小值所在位置 numpy.argmin()（略） 3.返回非零元素所在位置 numpy.nonzero()
import numpy as np x = np.array([[[0, 1], [1, 0]], [[0, 1], [1, 0]], [[0, 0], [1, 0]]]) print(x) # [[[0 1] # [1 0]] # # [[0 1] # [1 0]] # # [[0 0] # [1 0]]] print(np.shape(x)) # (3, 2, 2) print(x.ndim) # 3 y = np.nonzero(x) print(np.array(y)) # [[0 0 1 1 2] # [0 1 0 1 1] # [1 0 1 0 0]] print(np.array(y).shape) # (3, 5) print(np.array(y).ndim) # 2 print(y) # (array([0, 0, 1, 1, 2], dtype=int64), array([0, 1, 0, 1, 1], dtype=int64), array([1, 0, 1, 0, 0], dtype=int64)) print(x[np.nonzero(x)]) #[1 1 1 1 1]4. 找到符合条件的元素 numpy.where()
numpy.where(condition, [x=None, y=None])
函数简介： 满足条件condition，输出x，不满足输出y
import numpy as np
x = np.arange(10)
print(x)
# [0 1 2 3 4 5 6 7 8 9]
y = np.where(x < 5, x, 10 * x)
print(y)
# [ 0 1 2 3 4 50 60 70 80 90]
x = np.array([[0, 1, 2],
[0, 2, 4],
[0, 3, 6]])
y = np.where(x < 4, x, -1)
print(y)
# [[ 0 1 2]
# [ 0 2 -1]
# [ 0 3 -1]]
只有condition，没有x和y，则输出满足条件 (即非0) 元素的坐标 (等价于numpy.nonzero)。这里的坐标以tuple的形式给出，通常原数组有多少维，输出的tuple中就包含几个数组，分别对应符合条件元素的各维坐标。
import numpy as np
x = np.arange(10)
print(x)
# [0 1 2 3 4 5 6 7 8 9]
y = np.where(x < 5, x, 10 * x)
print(y)
# [ 0 1 2 3 4 50 60 70 80 90]
x = np.array([[0, 1, 2],
[0, 2, 4],
[0, 3, 6]])
y = np.where(x < 4, x, -1)
print(y)
# [[ 0 1 2]
# [ 0 2 -1]
# [ 0 3 -1]]
【例】只有condition，没有x和y，则输出满足条件 (即非0) 元素的坐标 (等价于numpy.nonzero)。这里的坐标以tuple的形式给出，通常原数组有多少维，输出的tuple中就包含几个数组，分别对应符合条件元素的各维坐标。
import numpy as np
x = np.array([1, 2, 3, 4, 5, 6, 7, 8])
y = np.where(x > 5)
print(y)
# (array([5, 6, 7], dtype=int64),)
print(x[y])
# [6 7 8]
y = np.nonzero(x > 5)
print(y)
# (array([5, 6, 7], dtype=int64),)
print(x[y])
# [6 7 8]
x = np.array([[11, 12, 13, 14, 15],
[16, 17, 18, 19, 20],
[21, 22, 23, 24, 25],
[26, 27, 28, 29, 30],
[31, 32, 33, 34, 35]])
y = np.where(x > 25)
print(y)
# (array([3, 3, 3, 3, 3, 4, 4, 4, 4, 4], dtype=int64), array([0, 1, 2, 3, 4, 0, 1, 2, 3, 4], dtype=int64))
print(x[y])
# [26 27 28 29 30 31 32 33 34 35]
5.找到想要插入元素的所在位置 numpy.searchsorted()
numpy.searchsorted(a, v[, side='left', sorter=None])
参数简介：
a：一维输入数组。当sorter参数为None的时候，a必须为升序数组；否则，sorter不能为空，存放a中元素的index，用于反映a数组的升序排列方式。
v：插入a数组的值，可以为单个元素，list或者ndarray。
side：查询方向，当为left时，将返回第一个符合条件的元素下标；当为right时，将返回最后一个符合条件的元素下标。
sorter：一维数组存放a数组元素的 index，index 对应元素为升序。
import numpy as np x = np.array([0, 1, 5, 9, 11, 18, 26, 33]) y = np.searchsorted(x, [-1, 0, 11, 15, 33, 35]) print(y) # [0 0 4 5 7 8] y = np.searchsorted(x, [-1, 0, 11, 15, 33, 35], side='right') print(y) # [0 1 5 5 8 8]三、计数 1.返回数组中的非0元素个数 numpy.count_nonzero()（略）
以上便是本人在有关Numpy的排序、搜索和计数的学习中的全部内容。如果您在阅读过程中发现了本文的不足或者错误，请您在下方留言以批评指正，本人一定及时修改。感谢您阅读本文！
