logo

numpy.sort i Python

I noen tilfeller krever vi en sortert matrise for beregning. For dette formålet gir numpy-modulen til Python en funksjon kalt numpy.sort() . Denne funksjonen gir en sortert kopi av kildematrisen eller inngangsmatrisen.

numpy-sort

Syntaks:

 numpy.sort(a, axis=-1, kind='quicksort', order=None) 

Parametere:

x: array_like

Denne parameteren definerer kildematrisen, som skal sorteres.

akse: int eller ingen (valgfritt)

Denne parameteren definerer aksen som sorteringen utføres langs. Hvis denne parameteren er Ingen , vil matrisen bli flatet ut før sortering, og som standard er denne parameteren satt til -1, som sorterer matrisen langs den siste aksen.

type: {quicksort, heapsort, mergesort}(valgfritt)

Denne parameteren brukes til å definere sorteringsalgoritmen, og som standard utføres sorteringen ved hjelp av 'quicksort' .

rekkefølge: str eller liste over str (valgfritt)

Når en matrise er definert med felt, definerer dens rekkefølge feltene for å gjøre en sammenligning i første, andre, osv. Bare enkeltfeltet kan spesifiseres som en streng, og ikke nødvendigvis for alle felt. Imidlertid vil de uspesifiserte feltene fortsatt brukes, i den rekkefølgen de kommer opp i dtype, for å bryte båndene.

Returnerer:

Denne funksjonen returnerer en sortert kopi av kildematrisen, som vil ha samme form og type som en kildematrise.

Eksempel 1:

 import numpy as np x=np.array([[1,4,2,3],[9,13,61,1],[43,24,88,22]]) x y=np.sort(x) y 

Produksjon:

 array([[ 1, 4, 2, 3], [ 9, 13, 61, 1], [43, 24, 88, 22]]) array([[ 1, 2, 3, 4], [ 1, 9, 13, 61], [22, 24, 43, 88]]) 

I koden ovenfor

  • Vi har importert numpy med alias navn np.
  • Vi har laget en flerdimensjonal matrise 'x' ved hjelp av np.array() funksjon.
  • Vi har deklarert variabelen 'og' og tildelt den returnerte verdien av np.sort() funksjon.
  • Vi har passert inndatamatrisen 'x' i funksjonen.
  • Til slutt prøvde vi å skrive ut verdien av 'og' .

I utdataene viser den en sortert kopi av kildematrisen av samme type og form.

Eksempel 2:

 import numpy as np x=np.array([[1,4,2,3],[9,13,61,1],[43,24,88,22]]) x y=np.sort(x, axis=None) y 

Produksjon:

 array([[ 1, 4, 2, 3], [ 9, 13, 61, 1], [43, 24, 88, 22]]) array([ 1, 1, 2, 3, 4, 9, 13, 22, 24, 43, 61, 88]) 

Eksempel 3:

 import numpy as np x=np.array([[1,4,2,3],[9,13,61,1],[43,24,88,22]]) x y=np.sort(x,axis=0) y z=np.sort(x,axis=1) z 

Produksjon:

 array([[ 1, 4, 2, 1], [ 9, 13, 61, 3], [43, 24, 88, 22]]) array([[ 1, 2, 3, 4], [ 1, 9, 13, 61], [22, 24, 43, 88]]) 

Eksempel 4:

 import numpy as np dtype = [('name', 'S10'), ('height', float), ('age', int),('gender','S10')] values = [('Shubham', 5.9, 23, 'M'), ('Arpita', 5.6, 23, 'F'),('Vaishali', 5.2, 30, 'F')] x=np.array(values, dtype=dtype) x y=np.sort(x, order='age') y z=np.sort(x, order=['age','height']) z 

Produksjon:

 array([(&apos;Shubham&apos;, 5.9, 23, &apos;M&apos;), (&apos;Arpita&apos;, 5.6, 23, &apos;F&apos;), (&apos;Vaishali&apos;, 5.2, 30, &apos;F&apos;)],dtype=[(&apos;name&apos;, &apos;S10&apos;), (&apos;height&apos;, &apos;<f8'), ('age', ' <i4'), ('gender', 's10')]) array([('arpita', 5.6, 23, 'f'), ('shubham', 5.9, 'm'), ('vaishali', 5.2, 30, 'f')], dtype="[(&apos;name&apos;," 's10'), ('height', '<f8'), < pre> <p> <strong>In the above code</strong> </p> <ul> <li>We have imported numpy with alias name np.</li> <li>We have defined the fields and values for the structured array.</li> <li>We have created a structured array <strong>&apos;x&apos;</strong> by passing dtype and values in the <strong>np.array()</strong> function.</li> <li>We have declared the variables <strong>&apos;y&apos;</strong> and <strong>&apos;z&apos;</strong> , and assigned the returned value of <strong>np.sort()</strong> function.</li> <li>We have passed the input array <strong>&apos;x&apos;</strong> and order in the function.</li> <li>Lastly, we tried to print the value of <strong>&apos;y</strong> &apos; and <strong>&apos;z&apos;</strong> .</li> </ul> <p>In the output, it shows a sorted copy of the structured array with a defined order.</p> <hr></f8'),>