日本免费高清视频-国产福利视频导航-黄色在线播放国产-天天操天天操天天操天天操|www.shdianci.com

學無先后，達者為師

網站首頁 編程語言 正文

Python?Numpy教程之排序,搜索和計數詳解_python

作者：海擁 ? 更新時間： 2022-10-26 編程語言

排序

排序是指以特定格式排列數據。排序算法指定以特定順序排列數據的方式。最常見的順序是數字或字典順序。在 Numpy 中，我們可以使用庫中提供的各種函數（如 sort、lexsort、argsort 等）執行各種排序操作。

numpy.sort()： 此函數返回數組的排序副本。

# 導入庫
import numpy as np
 
# 沿第一軸排序
a = np.array([[12, 15], [10, 1]])
arr1 = np.sort(a, axis = 0)        
print ("Along first axis : \n", arr1)        
 
 
# 沿最后一個軸排序
a = np.array([[10, 15], [12, 1]])
arr2 = np.sort(a, axis = -1)        
print ("\nAlong first axis : \n", arr2)
 
 
a = np.array([[12, 15], [10, 1]])
arr1 = np.sort(a, axis = None)        
print ("\nAlong none axis : \n", arr1)

輸出 ：

Along first axis :?
?[[10 ?1]
?[12 15]]

Along first axis :?
?[[10 15]
?[ 1 12]]

Along none axis :?
?[ 1 10 12 15]

numpy.argsort()： 此函數返回將對數組進行排序的索引。

# 演示 numpy.argsort 工作的 Python 代碼
import numpy as np
 
# 已創建 Numpy 數組
a = np.array([9, 3, 1, 7, 4, 3, 6])
 
# 未排序的數組打印
print('Original array:\n', a)
 
# 排序數組索引
b = np.argsort(a)
print('Sorted indices of original array->', b)
 
# 要使用排序索引獲取排序數組 c 是由與 b 相同的 len 創建的臨時數組
c = np.zeros(len(b), dtype = int)
for i in range(0, len(b)):
    c[i]= a[b[i]]
print('Sorted array->', c)

在 IDE 上運行

輸出：

Original array:
?[9 3 1 7 4 3 6]
Sorted indices of original array-> [2 1 5 4 6 3 0]
Sorted array-> [1 3 3 4 6 7 9]

numpy.lexsort()： 此函數使用一系列鍵返回間接穩定排序。

# 演示 numpy.lexsort() 工作的 Python 代碼
import numpy as np
 
# numpy數組創建第一列
a = np.array([9, 3, 1, 3, 4, 3, 6])
 
# 第二欄
b = np.array([4, 6, 9, 2, 1, 8, 7]) 
print('column a, column b')
for (i, j) in zip(a, b):
    print(i, ' ', j)
 
# 按 a 然后按 b 排序
ind = np.lexsort((b, a)) 
print('Sorted indices->', ind)

輸出 ：

column a, column b
9 ? 4
3 ? 6
1 ? 9
3 ? 2
4 ? 1
3 ? 8
6 ? 7
Sorted indices-> [2 3 1 5 4 6 0]

功能 描述
numpy.ndarray.sort() 就地對數組進行排序。
numpy.msort() 返回沿第一個軸排序的數組的副本。
numpy.sort_complex() 首先使用實部對復數數組進行排序，然后使用虛部。
numpy.partition() 返回數組的分區副本。
numpy.argpartition() 使用 kind 關鍵字指定的算法沿給定軸執行間接分區。

搜索

搜索是一種操作或技術，可幫助查找給定元素或值在列表中的位置。根據是否找到正在搜索的元素，任何搜索都被稱為成功或不成功。在 Numpy 中，我們可以使用庫中提供的各種函數（如 argmax、argmin、nanaargmax 等）執行各種搜索操作。

numpy.argmax()： 此函數返回特定軸中數組的最大元素的索引。

# 說明 argmax() 工作的 Python 程序
 
import numpy as geek 
 
# 處理二維數組
array = geek.arange(12).reshape(3, 4)
print("INPUT ARRAY : \n", array)
 
# 沒有提到軸，所以適用于整個陣列
print("\nMax element : ", geek.argmax(array))
 
# 根據索引返回最大元素的索引
print(("\nIndices of Max element : "
      , geek.argmax(array, axis=0)))
print(("\nIndices of Max element : "
      , geek.argmax(array, axis=1)))

輸出 ：

INPUT ARRAY :?
?[[ 0 ?1 ?2 ?3]
?[ 4 ?5 ?6 ?7]
?[ 8 ?9 10 11]]

Max element : ?11

Indices of Max element : ?[2 2 2 2]

Indices of Max element : ?[3 3 3]

numpy.nanargmax()： 此函數返回忽略 NaN 的特定軸中數組的最大元素的索引。如果切片僅包含 NaN 和 Infs，則結果不可信。

# 說明 nanargmax() 工作的 Python 程序
 
import numpy as geek 
 
# 處理一維數組
array = [geek.nan, 4, 2, 3, 1]
print("INPUT ARRAY 1 : \n", array)
 
array2 = geek.array([[geek.nan, 4], [1, 3]])
 
# 根據忽略 NaN 的索引返回最大元素的索引
print(("\nIndices of max in array1 : "
       , geek.nanargmax(array)))
 
# 處理二維數組
print("\nINPUT ARRAY 2 : \n", array2)
print(("\nIndices of max in array2 : "
      , geek.nanargmax(array2)))
 
print(("\nIndices at axis 1 of array2 : "
      , geek.nanargmax(array2, axis = 1)))

輸出 ：

INPUT ARRAY 1 :?
?[nan, 4, 2, 3, 1]

Indices of max in array1 : ?1

INPUT ARRAY 2 :?
?[[ nan ? 4.]
?[ ?1. ? 3.]]

Indices of max in array2 : ?1

Indices at axis 1 of array2 : ?[1 1]

numpy.argmin()： 此函數返回沿軸的最小值的索引。

# 說明 argmin() 工作的 Python 程序
 
import numpy as geek 
 
# 處理一維數組
array = geek.arange(8)
print("INPUT ARRAY : \n", array)
 
 
# 根據索引返回 min 元素的索引
print("\nIndices of min element : ", geek.argmin(array, axis=0))

在 IDE 上運行

輸出 ：

INPUT ARRAY :?
?[0 1 2 3 4 5 6 7]

Indices of min element : ?0

功能 描述
numpy.nanargmin() 返回指定軸中最小值的索引，忽略 NaN。
numpy.argwhere() 查找按元素分組的非零數組元素的索引。
numpy.nonzero() 返回非零元素的索引。
numpy.flatnonzero() 在 a 的扁平化版本中返回非零索引。
numpy.where() 根據條件返回從 x 或 y 中選擇的元素。
numpy.searchsorted() 查找應插入元素以保持順序的索引。
numpy.extract() 返回滿足某個條件的數組元素。

Counting

numpy.count_nonzero() ：計算數組中非零值的數量。

# 說明 count_nonzero() 工作的 Python 程序
 
import numpy as np
  
# 計算多個非零值
a = np.count_nonzero([[0,1,7,0,0],[3,0,0,2,19]])
b = np.count_nonzero(([[0,1,7,0,0],[3,0,0,2,19]]
                     , axis=0))
 
print("Number of nonzero values is :",a)
print("Number of nonzero values is :",b)

在 IDE 上運行

輸出 ：

Number of nonzero values is : 5
Number of nonzero values is : [1, 1, 1, 1, 1]

原文鏈接：https://juejin.cn/post/7137536257814429704

欄目分類
最近更新