数组排序

NumPy 提供了不少数组排序的方式，可以针对多维数组与大量数据进行高效率的排序，这篇教学将会介绍 NumPy 里数组排序的做法。

本篇使用的 Python 版本为 3.7.12，所有范例可使用 Google Colab 实作，不用安装任何软件 ( 参考：使用 Google Colab )

数组排序的方法

NumPy 有下列几种数组排序的方法：

numpy.sort()

numpy.sort() 会将数组内容从小到大排序，产生新的数组。

a = np.array([5,3,4,2,1,6,7,9,8])
b = np.sort(a)
print(b)    # [1 2 3 4 5 6 7 8 9]

numpy.sort() 除了必备的数组参数外，还具有其他三个参数：

下方的程序会将 a 和 b 两个分别是 3x2 和 2x2 的数组，连接成一个新的 5x2 数组。

import numpy as np

arr = [
  [2,3],
  [5,2],
  [3,1]
]
a = np.array(arr)
b = np.sort(a)   # 針對最後一軸排序 ( -1，二維陣列就是 1 )，所以只會排列 2 和 3、5 和 2、3 和 1
print(b)
'''
[[2 3]
 [2 5]
 [1 3]]
'''
c = np.sort(a, axis=None)   # axis 設定 None 會打散並排序為一維陣列
print(c)                    # [1 2 2 3 3 5]
d = np.sort(a,axis=0)       # 針對垂直維度 ( 0 軸 ) 由小到大排序，所有項目都是從小到大
print(d)
'''
[[2 1]
 [3 2]
 [5 3]]
'''
e = np.sort(a,axis=1)       # 因為是二維陣列，axis 設定 1 等同 np.sort(a)
print(e)
'''
[[2 3]
 [2 5]
 [1 3]]
'''

如果针对结构化的数据，可以使用 order 的方式，针对指定字串的字段进行排序。

import numpy as np

arr = [
  ('oxxo',200),
  ('gkpen',100),
  ('frank',300)
]
dt = np.dtype([('name','S10'),('num',int)])
a = np.array(arr, dtype = dt)
b = np.sort(a,order='name')    # 針對 name 欄位排序
c = np.sort(a,order='num')     # 針對 um 欄位排序
print(b)      # [(b'frank', 300) (b'gkpen', 100) (b'oxxo', 200)]
print(c)      # [(b'gkpen', 100) (b'oxxo', 200) (b'frank', 300)]

numpy.argsort()

numpy.argsort() 会将数组从小到大排序后，回传内容为“索引值”的数组。

import numpy as np

arr = [
  [2,3,7],
  [5,2,6],
  [3,1,2]
]
a = np.array(arr)
b = np.argsort(a)
print(b)
'''
[[0 1 2]       # 對應 2,3,7
 [1 0 2]       # 對應 2,5,6
 [1 2 0]]      # 對應 1,2,3
'''

numpy.lexsort()

numpy.lexsort() 会将两个长度相同的数组互相对照排序，回传内容为“索引值”的数组，举例来说，有 a 和 b 两个数组，当 a 从大到小排序后，b 会按照 a 的排列顺序，将自身的元素进行排序。

import numpy as np

a = np.array([1,2,3,4,5,6,7,8])
b = np.array(['e','d','a','c','g','h','f','b'])
c = np.lexsort((a,b))    # b 先排序，然後 a 按照 b 的順序排序後回傳索引值
d = np.lexsort((b,a))    # a 先排序，然後 b 按照 a 的順序排序後回傳索引值
print(c)    # [2 7 3 1 0 6 4 5]   對應 3 8 4 2 1 7 5 6
print(d)    # [0 1 2 3 4 5 6 7]

numpy.argmax()、numpy.argmin()

numpy.argmax()、numpy.argmin() 会回传最大值或最小值的“索引值”。

import numpy as np

a = np.array([1,2,3,4,5,6,7,8])
b = np.argmax(a)
c = np.argmin(a)
print(b)    # 7   對應 8
print(c)    # 0   對應 1

意见反馈