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， 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
print
(
'
\n
'
)
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：
[(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)]
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
(
[
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 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。
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, 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
|
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（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]]
>>> arr[np.argpartition(arr, -2)[-2]]
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]]
>>> arr[np.argpartition(arr, [2,3])[3]]
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 ('\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：
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：
展开数组中的最小值：
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。
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。
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。
import numpy as np
x = np.arange(9.).reshape(3, 3)
print ('我们的数组是：')
print
(x)
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.]
70 60 10
90 40 50
axis=1 代表横轴方向，从左到右计算。
如果是二维数据（就是线性代数中的普通矩阵）那么 axis=0 表现为行的变化，axis=1 变现为列的变化。
比如数组:
a=np.array([[1,2,3],[1,1,1],[1,8,9]])
那么 我们计算每一列数据的方差时，就可以表示为 np.var(a, axis=0)。
每一行数据的方差可以表示为 np.var(a,axis=1)。
#!/usr/bin/python3
import numpy as np
a=np.array([[1,2,3],[1,1,1],[1,8,9]])
print(a)
print(np.var(a, axis=0))
print(np.var(a,axis=1))
输出结果为：
[[1 2 3]
[1 1 1]
[1 8 9]]
[ 0. 9.55555556 11.55555556]
[ 0.66666667 0. 12.66666667]
