NumPy 提供了多种排序的方法。 这些排序函数实现不同的排序算法每个排序算法的特征在于执行速度最坏情况性能所需的工作空间和算法的稳定性。 下表显示了三种排序算法的比较。种类速度最坏情况工作空间稳定性quicksort快速排序1O(n^2)0否mergesort归并排序2O(n*log(n))~n/2是heapsort堆排序3O(n*log(n))0否numpy.sort()numpy.sort() 函数返回输入数组的排序副本。函数格式如下numpy.sort(a, axis, kind, order)参数说明a: 要排序的数组axis: 沿着它排序数组的轴如果没有数组会被展开沿着最后的轴排序 axis0 按列排序axis1 按行排序kind: 默认为quicksort快速排序order: 如果数组包含字段则是要排序的字段实例import numpy as np a np.array([[3,7],[9,1]]) print (我们的数组是) print (a) print (\n) print (调用 sort() 函数) print (np.sort(a)) print (\n) print (按列排序) print (np.sort(a, axis 0)) print (\n) # 在 sort 函数中排序字段 dt np.dtype([(name, S10),(age, int)]) a np.array([(raju,21),(anil,25),(ravi, 17), (amar,27)], dtype dt) print (我们的数组是) print (a) print (\n) print (按 name 排序) print (np.sort(a, order name))输出结果为我们的数组是 [[3 7] [9 1]] 调用 sort() 函数 [[3 7] [1 9]] 按列排序 [[3 1] [9 7]] 我们的数组是 [(braju, 21) (banil, 25) (bravi, 17) (bamar, 27)] 按 name 排序 [(bamar, 27) (banil, 25) (braju, 21) (bravi, 17)]numpy.argsort()numpy.argsort() 函数返回的是数组值从小到大的索引值。实例import numpy as np x np.array([3, 1, 2]) print (我们的数组是) print (x) print (\n) print (对 x 调用 argsort() 函数) y np.argsort(x) print (y) print (\n) print (以排序后的顺序重构原数组) print (x[y]) print (\n) print (使用循环重构原数组) for i in y: print (x[i], end )输出结果为我们的数组是 [3 1 2] 对 x 调用 argsort() 函数 [1 2 0] 以排序后的顺序重构原数组 [1 2 3] 使用循环重构原数组 1 2 3numpy.lexsort()numpy.lexsort() 用于对多个序列进行排序。把它想象成对电子表格进行排序每一列代表一个序列排序时优先照顾靠后的列。这里举一个应用场景小升初考试重点班录取学生按照总成绩录取。在总成绩相同时数学成绩高的优先录取在总成绩和数学成绩都相同时按照英语成绩录取…… 这里总成绩排在电子表格的最后一列数学成绩在倒数第二列英语成绩在倒数第三列。实例import numpy as np nm (raju,anil,ravi,amar) dv (f.y., s.y., s.y., f.y.) ind np.lexsort((dv,nm)) print (调用 lexsort() 函数) print (ind) print (\n) print (使用这个索引来获取排序后的数据) print ([nm[i] , dv[i] for i in ind])输出结果为调用 lexsort() 函数 [3 1 0 2] 使用这个索引来获取排序后的数据 [amar, f.y., anil, s.y., raju, f.y., ravi, s.y.]上面传入 np.lexsort 的是一个tuple排序时首先排 nm顺序为amar、anil、raju、ravi 。综上排序结果为 [3 1 0 2]。msort、sort_complex、partition、argpartition函数描述msort(a)数组按第一个轴排序返回排序后的数组副本。np.msort(a) 相等于 np.sort(a, axis0)。sort_complex(a)对复数按照先实部后虚部的顺序进行排序。partition(a, kth[, axis, kind, order])指定一个数对数组进行分区argpartition(a, kth[, axis, kind, order])可以通过关键字 kind 指定算法沿着指定轴对数组进行分区复数排序 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])partition() 分区排序 a np.array([3, 4, 2, 1]) np.partition(a, 3) # 将数组 a 中所有元素包括重复元素从小到大排列3 表示的是排序数组索引为 3 的数字比该数字小的排在该数字前面比该数字大的排在该数字的后面 array([2, 1, 3, 4]) np.partition(a, (1, 3)) # 小于 1 的在前面大于 3 的在后面1和3之间的在中间 array([1, 2, 3, 4])找到数组的第 3 小index2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同时找到第 3 和第 4 小的值。注意这里用 [2,3] 同时将第 3 和第 4 小的排序好然后可以分别通过下标 [2] 和 [3] 取得。 arr[np.argpartition(arr, [2,3])[2]] 10 arr[np.argpartition(arr, [2,3])[3]] 23numpy.argmax() 和 numpy.argmin()numpy.argmax() 和 numpy.argmin()函数分别沿给定轴返回最大和最小元素的索引。实例import numpy as np a np.array([[30,40,70],[80,20,10],[50,90,60]]) print (我们的数组是) print (a) print (\n) print (调用 argmax() 函数) print (np.argmax(a)) print (\n) print (展开数组) print (a.flatten()) print (\n) print (沿轴 0 的最大值索引) maxindex np.argmax(a, axis 0) print (maxindex) print (\n) print (沿轴 1 的最大值索引) maxindex np.argmax(a, axis 1) print (maxindex) print (\n) print (调用 argmin() 函数) minindex np.argmin(a) print (minindex) print (\n) print (展开数组中的最小值) print (a.flatten()[minindex]) print (\n) print (沿轴 0 的最小值索引) minindex np.argmin(a, axis 0) print (minindex) print (\n) print (沿轴 1 的最小值索引) minindex np.argmin(a, axis 1) print (minindex)输出结果为我们的数组是 [[30 40 70] [80 20 10] [50 90 60]] 调用 argmax() 函数 7 展开数组 [30 40 70 80 20 10 50 90 60] 沿轴 0 的最大值索引 [1 2 0] 沿轴 1 的最大值索引 [2 0 1] 调用 argmin() 函数 5 展开数组中的最小值 10 沿轴 0 的最小值索引 [0 1 1] 沿轴 1 的最小值索引 [0 2 0]numpy.nonzero()numpy.nonzero() 函数返回输入数组中非零元素的索引。实例import numpy as np a np.array([[30,40,0],[0,20,10],[50,0,60]]) print (我们的数组是) print (a) print (\n) print (调用 nonzero() 函数) print (np.nonzero (a))输出结果为我们的数组是 [[30 40 0] [ 0 20 10] [50 0 60]] 调用 nonzero() 函数 (array([0, 0, 1, 1, 2, 2]), array([0, 1, 1, 2, 0, 2]))numpy.where()numpy.where() 函数返回输入数组中满足给定条件的元素的索引。实例import numpy as np x np.arange(9.).reshape(3, 3) print (我们的数组是) print (x) print ( 大于 3 的元素的索引) y np.where(x 3) print (y) print (使用这些索引来获取满足条件的元素) print (x[y])输出结果为我们的数组是 [[0. 1. 2.] [3. 4. 5.] [6. 7. 8.]] 大于 3 的元素的索引 (array([1, 1, 2, 2, 2]), array([1, 2, 0, 1, 2])) 使用这些索引来获取满足条件的元素 [4. 5. 6. 7. 8.]numpy.extract()numpy.extract() 函数根据某个条件从数组中抽取元素返回满条件的元素。实例import numpy as np x np.arange(9.).reshape(3, 3) print (我们的数组是) print (x) # 定义条件, 选择偶数元素 condition np.mod(x,2) 0 print (按元素的条件值) print (condition) print (使用条件提取元素) print (np.extract(condition, x))输出结果为我们的数组是 [[0. 1. 2.] [3. 4. 5.] [6. 7. 8.]] 按元素的条件值 [[ True False True] [False True False] [ True False True]] 使用条件提取元素 [0. 2. 4. 6. 8.]