Eine kurze Diskussion über verschiedene Sortiermethoden von numpy array_python

In diesem Artikel werden hauptsächlich verschiedene Sortiermethoden für Numpy-Arrays vorgestellt, einschließlich einer kurzen Einführung in Numpy und die Erstellung von Arrays. Freunde, die sich für Numpy interessieren, können darauf verweisen.

Eine kurze Einführung

Das NumPy-System ist eine Open-Source-Array-Berechnungserweiterung für Python. Mit diesem Tool können große Matrizen wesentlich effizienter gespeichert und verarbeitet werden als mit Pythons eigener verschachtelter Listenstruktur (die auch zur Darstellung von Matrizen verwendet werden kann).

Erstellen Sie ein Array

Erstellen Sie ein eindimensionales Array:

data = np.array([1,3,4,8])　

Array-Dimensionen anzeigen

data.shape

Array-Typ anzeigen

data.dtype

Array-Elemente nach Index abrufen oder ändern

data[1] Get element<code>data[1] 获取元素<br>data[1] = 'a' 修改元素　data[1] = 'a' Modify element　

Erstellen Sie ein zweidimensionales Array

data = np.array([[1,2,3],[4,5,6]])Beide Elemente sind Listen
2.data = np.arange(10) Wie der Bereich von Python gibt „range“ eine Liste zurück und „arange“ ein Array vom Array-Typ
3.data2 = data. reshape (2,5) Gibt ein 2*5-Array zurück. Es ist keine Kopie des Arrays, sondern eine Referenz. Es wird lediglich eine andere Ansicht des Arrays zurückgegeben. Wenn sich Daten ändern, ändern sich auch Daten2 🎜>
Erstellen Sie ein spezielles Array

data = np.zeros((2,2)) Erstellen Sie ein 2*2 zweidimensionales Array aller Nullendata = np.ones((2,3,3,) ) Erstellen Sie ein dreidimensionales Array mit allen Einsen

data = np.zeros((2,2)) 创建2*2全为0的2维数组<br>data = np.ones((2,3,3,)) 创建全为1的三维数组<br>data = np.eye(4) 创建4*4的对角数组，对角元素为1，其它都为0<br>

Array-Konvertierung

Oder Liste zum Sortieren, Python bietet mehrere Sortierfunktionen, deren Eigenschaften unten erläutert werden data = np.arange(16).reshape(4,4) 将0-16的移位数组转换为4*4的数组　Zweidimensionales Array a:

Verwendung: a.sort

Parameterbeschreibung:

1 4
3 1

ndarray.sort(axis=-1,kind='quicksort',order=None)Reihenfolge: Bezieht sich nicht auf die Reihenfolge, wir werden dies analysieren, wenn wir sie in Zukunft verwenden

Wirkung: Array a sortieren, und a

ist direkt nach dem Sortieren geändert. Zum Beispiel:

2,

>>a.sort(axis=1)
>>print a

Verwendung:

1 4
1 3

a: Zu sortierendes Array, andere sind gleich 1

Wirkung: Array a sortieren und a zurückgeben sortiertes Array (gleiche Dimension wie a), a bleibt unverändertnumpy.sort(a,axis=-1,kind='quicksort',order=None)

numpy.sort(a)

>>print numpy.sort(a,axis=1)
1 4
1 3
>>print a
1 4
3 1

Zum Beispiel:

Erklärung: Die integrierte Sortierfunktion kann für Listen, Wörterbücher usw. verwendet werden.

iterierbar: Es ist ein iterierbarer Typ;

>>print numpy.argsort(a,axis=1)
0 1
1 0

sorted(iterable,cmp=None,key=None,reverse=False)Rückgabewert: Es handelt sich um einen sortierten iterierbaren Typ, genau wie iterable;

Zum Beispiel: b ist ein Wörterbuch

b:

{' a':2,'c':1,'b':3}

Sortieren b:

>>c=sorted(b.iteritems(),key=operator.itemgetter(1),reverse=False)
>>print c[('c', 1), ('a', 2), ('b', 3)]

Verwandte Empfehlungen:

Python Scientific Computing – Schnellstart mit Numpy

Warum ist das Numpy-Array so schnell?

Das obige ist der detaillierte Inhalt vonEine kurze Diskussion über verschiedene Sortiermethoden von numpy array_python. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!