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） |
1 | O(n^2) |
0 | 否 |
'mergesort'（归并排序） |
2 | O(n*log(n)) |
~n/2 | 是 |
'heapsort'（堆排序） |
3 | O(n*log(n)) |
0 | 否 |
1、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，如果没有数组默认按行， axis=0 按列排序，axis=1 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
import numpy as np
a = np.array([[3, 7, 5], [9, 1, 6]])
print('我们的数组是：')
print(a)
print('调用 sort() 函数：')
print(np.sort(a))
print('按行排序：')
print(np.sort(a, axis=1))
print('按列排序：')
print(np.sort(a, axis=0))
# 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('按 name 排序：')
print(np.sort(a, order='name'))
执行结果：
我们的数组是：
[[3 7 5]
[9 1 6]]
调用 sort() 函数：
[[3 5 7]
[1 6 9]]
按行排序：
[[3 5 7]
[1 6 9]]
按列排序：
[[3 1 5]
[9 7 6]]
我们的数组是：
[(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、numpy.argsort()
numpy.argsort() 函数返回的是数组值从小到大的索引值。
import numpy as np
x = np.array([[1, 6, 2], [9, 5, 7]])
print('原数组:\n', x)
print('对 x 调用 argsort() 函数：')
y = np.argsort(x)
print(y)
print('以排序后的顺序重构原数组：')
z = np.ones((2, 3)) for i in range(2):
k = 0
for j in y[i]:
z[i][k] = x[i][j]
k = k+1
print(z)
执行结果：
原数组:
[[1 6 2]
[9 5 7]]
对 x 调用 argsort() 函数：
[[0 2 1]
[1 2 0]]
以排序后的顺序重构原数组：
[[1. 2. 6.]
[5. 7. 9.]]
3、numpy.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
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])
执行结果：
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]。
4、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, axis=0)。 |
| 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
找出第几大(或第几小)的数 |
4.1 sort_complex(a)对复数按照先实部后虚部的顺序排序
>>> 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])
4.2 partion（）分区排序
import numpy as np
a = np.array([1, 5, 7, 3])
print('原数组：\n', a)
print('分区后的数组：\n',np.partition(a, 1))
b = np.array([[1, 5, 7, 20],
[2, 4, 9, 10]])
print('原数组：\n', b)
print('分区后的数组：\n', np.partition(b, 1))
print('纵向分区：\n', np.partition(b, 1, axis=0))
c = np.array([7, 10, 6, 9, 5, 7])
print('原数组：\n', c)
print('分区：\n', np.partition(c, (0, 3)))
执行结果：
原数组：
[1 5 7 3]
分区后的数组：
[1 3 7 5]
原数组：
[[ 1 5 7 20]
[ 2 4 9 10]]
分区后的数组：
[[ 1 5 7 20]
[ 2 4 9 10]]
纵向分区：
[[ 1 4 7 10]
[ 2 5 9 20]]
原数组：
[ 7 10 6 9 5 7]
分区：
[ 5 6 7 7 10 9]
4.3 argpartition(a, kth[, axis, kind, order]) 可以通过关键字kind指定算法沿指定轴对数组进行分区 找出第几大(或第几小)的数
import numpy as np
arr = np.array([46, 57, 23, 39, 1, 10, 0, 120])
# 找出最小的整数
print(arr[np.argpartition(arr, 0)[0]])
# 找出第三小的整数
print(arr[np.argpartition(arr, 2)[2]])
# 找出最大的整数
print(arr[np.argpartition(arr, -1)[-1]])
#找出第二大的整数
print(arr[np.argpartition(arr, 6)[6]])
print(arr[np.argpartition(arr, -2)[-2]])
# 同时找出第一小、第二小的整数
print(arr[np.argpartition(arr, [0, 1])[0]],arr[np.argpartition(arr, [0, 1])[1]])
执行结果：
0
10
120
57
57
0 1
4.4 msort()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, axis=0)
import numpy as np
a = np.array([[4, 9, 3, 1],
[5, 7, 3, 1]])
print(np.msort(a))
执行结果：
[[4 7 3 1]
[5 9 3 1]]
5、numpy.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。
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('沿轴 0 的最大值索引：')
maxindex = np.argmax(a, axis=0)
print(maxindex)
print('沿轴 1 的最小值索引：')
minindex = np.argmin(a, axis=1)
print(minindex)
执行结果：
我们的数组是：
[[30 40 70]
[80 20 10]
[50 90 60]]
沿轴 0 的最大值索引：
[1 2 0]
沿轴 1 的最小值索引：
[0 2 0]
6、numpy.nonzero()
numpy.nonzero() 函数返回输入数组中非零元素的索引。
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('调用 nonzero() 函数：')
print(a[np.nonzero(a)])
执行结果：
我们的数组是：
[[30 40 0]
[ 0 20 10]
[50 0 60]]
调用 nonzero() 函数：
[30 40 20 10 50 60]
7、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。
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])
执行结果：
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], dtype=int64), array([1, 2, 0, 1, 2], dtype=int64))
使用这些索引来获取满足条件的元素：
[4. 5. 6. 7. 8.]
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。
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))
执行结果：
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.]