NumPy教程-numpy.argsort()在Python中的使用
NumPy模块提供了一个函数argsort()，返回一个数组的排序索引。
NumPy模块提供了一个函数，可以在给定的轴上使用关键字指定的算法执行间接排序。这个函数返回一个与'a'相同形状的索引数组，它可以对数组进行排序。
语法:
numpy.argsort(a, axis=-1, kind=None, order=None)参数:
numpy.argsort() 函数有以下参数：
a: array_like
这个参数定义了我们要对其进行排序的源数组。
axis: int 或 None（可选）
这个参数定义了排序的轴。默认情况下，轴为 -1。如果将这个参数设置为 None，则使用扁平化数组。
kind: {'quicksort','mergesort','heapsort','stable'}（可选）
这个参数定义了排序算法。默认情况下，算法是 quicksort。mergesort 和 stable 都在底层使用了时间排序算法。实际的实现会因数据类型而异。mergesort 选项是为了保持向后兼容性。
order: str 或 str 列表（可选）
如果 'a' 是一个具有定义字段的数组，这个参数指定首先比较哪些字段、第二个字段等。可以将单个字段指定为字符串，并且不需要指定所有字段。但是，未指定的字段仍然会按照它们在 dtype 中出现的顺序使用，以解决平局。
返回值: index_array: ndarray, int
这个函数返回一个数组，其中包含'a'沿着指定轴的排序索引。如果'a'是1-D数组，则'a[index_array]'会得到一个排序后的'a'。更一般地说，np.take_along_axis(arr1, index_array, axis=axis) 总是会得到排序后的'a'，不论其维数如何。
示例 1: np.argsort()
import numpy as np
a=np.array([456,11,63])
a
b=np.argsort(a)
b在上面的代码中
- 我们导入了别名为 np 的 numpy 库。
- 我们使用 np.array() 函数创建了一个名为 'a' 的数组。
- 我们声明了变量 'b'，并将 np.argsort() 函数的返回值赋给它。
- 我们在函数中传递了数组 'a'。
- 最后，我们尝试打印 'b' 的值。
在输出中，显示了一个包含索引（指示已排序数组中元素的位置）和 dtype 的 ndarray。
输出:
array([456, 11, 63])
array([1, 2, 0], dtype=int64)示例 2: 对于 2-D 数组（沿第一个轴（向下）排序）
import numpy as np
a = np.array([[0, 5], [3, 2]])
indices = np.argsort(a, axis=0)
indices 输出:
array([[0, 1],
[1, 0]], dtype=int64)示例 3: 对于 2-D 数组（axis=0 的替代方法）
import numpy as np
a = np.array([[0, 5], [3, 2]])
indices = np.argsort(a, axis=0)
indices
np.take_along_axis(a, indices, axis=0) 在上面的代码中
- 我们导入了别名为 np 的 numpy 库。
- 我们使用 np.array() 函数创建了一个名为 'a' 的 2-D 数组。
- 我们声明了变量 'indices'，并将 np.argsort() 函数的返回值赋给它。
- 我们在函数中传递了 2-D 数组 'a' 和轴为 0。
- 接下来，我们使用 take_along_axis() 函数，传递源数组、索引和轴。
- 这个函数返回了排序后的 2-D 数组。
在输出中，显示了一个包含排序后元素的 2-D 数组。
输出:
array([[0, 2],
[3, 5]])示例 4: 对于 2-D 数组（沿最后一个轴（横向）排序）
import numpy as np
a = np.array([[0, 5], [3, 2]])
indices = np.argsort(a, axis=1)
indices 输出:
array([[0, 1],
[1, 0]], dtype=int64) 示例 5: 对于 2-D 数组（axis=1 的替代方法）
import numpy as np
a = np.array([[0, 5], [3, 2]])
indices = np.argsort(a, axis=1)
indices
np.take_along_axis(a, indices, axis=1) 输出:
array([[0, 2],
[3, 5]])示例 6: 对于 N-D 数组
import numpy as np
a = np.array([[0, 5], [3, 2]])
indices = np.unravel_index(np.argsort(a, axis=None), a.shape)
indices
a[indices] # same as np.sort(a, axis=None) 输出:
(array([0, 1, 1, 0], dtype=int64), array([0, 1, 0, 1], dtype=int64))
array([0, 2, 3, 5])在上面的代码中
- 我们导入了别名为 np 的 numpy 库。
- 我们使用 np.array() 函数创建了一个名为 'a' 的 N-D 数组。
- 我们声明了一个变量 'indices'，并将 np.unravel_index() 函数的返回值赋给它。
- 我们在函数中传递了 np.argsort() 函数和数组 'a' 的形状。
- 我们传递了 2-D 数组 'a' 和 axis=None 给 argsort() 函数。
- 接下来，我们尝试打印 'indices' 和 a[indices]。
在输出中，显示了一个包含排序后元素的 N-D 数组。
示例 7: 带有键的排序
import numpy as np
a= np.array([(0, 5), (3, 2)], dtype=[('x', '<i4'), ('y', '<i4')])
a
b=np.argsort(a, order=('x','y'))
b
c=np.argsort(a, order=('y','x'))
c 输出:
array([(0, 5), (3, 2)], dtype=[('x', '<i4'), ('y', '<i4')])
array([0, 1], dtype=int64)
array([1, 0], dtype=int64)在上面的代码中
- 我们导入了别名为 np 的 numpy 库。
- 我们使用 np.array() 函数创建了一个名为 'a' 的数组，并设置了 dtype=[('x', '<i4'), ('y', '<i4')]。
- 我们声明了变量 'b' 和 'c'，并将 np.argsort() 函数的返回值赋给它们。
- 我们在函数中传递了数组 'a' 和 order 参数。
- 最后，我们尝试打印 'b' 和 'c' 的值。
在输出中，显示了一个带有排序后元素的数组，其 dtype 为 [('x', '<i4'), ('y', '<i4')]。
