Kai kuriais atvejais skaičiavimams reikalingas surūšiuotas masyvas. Šiuo tikslu numpy Python modulis suteikia funkciją, vadinamą numpy.sort() . Ši funkcija suteikia surūšiuotą šaltinio masyvo arba įvesties masyvo kopiją.
Sintaksė:
numpy.sort(a, axis=-1, kind='quicksort', order=None)
Parametrai:
x: panašus į masyvą
Šis parametras apibrėžia šaltinio masyvą, kuris bus rūšiuojamas.
ašis: vidinė arba nėra (nebūtina)
Šis parametras apibrėžia ašį, pagal kurią atliekamas rūšiavimas. Jei šis parametras yra Nė vienas , masyvas prieš rūšiavimą bus išlygintas, o pagal numatytuosius nustatymus šis parametras nustatytas į -1, kuris rūšiuoja masyvą pagal paskutinę ašį.
formato eilutė java
rūšis: {greitasis rūšiavimas, rūšiavimas į krūvą, sujungimas} (neprivaloma)
Šis parametras naudojamas rūšiavimo algoritmui apibrėžti, o pagal numatytuosius nustatymus rūšiavimas atliekamas naudojant 'greitasis' .
tvarka: str arba str sąrašas (neprivaloma)
Kai masyvas apibrėžiamas laukais, jo tvarka apibrėžia laukus, skirtus palyginimui pirmame, antrame ir t. t. Kaip eilutę galima nurodyti tik vieną lauką ir nebūtinai visiems laukams. Tačiau nenustatyti laukai vis tiek bus naudojami tokia tvarka, kokia jie atsiranda dtype, kad būtų nutrauktas ryšys.
Grąžinimai:
Ši funkcija grąžina surūšiuotą šaltinio masyvo kopiją, kurios forma ir tipas bus toks pat kaip ir šaltinio masyvo.
1 pavyzdys:
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
Išvestis:
rekha indėnė
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]])
Aukščiau pateiktame kode
- Mes importavome numpy su slapyvardžiu np.
- Sukūrėme daugiamatį masyvą 'x' naudojant np.array() funkcija.
- Mes paskelbėme kintamąjį 'ir' ir priskyrė grąžintą reikšmę np.sort() funkcija.
- Praėjome įvesties masyvą 'x' funkcijoje.
- Galiausiai bandėme atspausdinti vertę 'ir' .
Išvestyje rodoma surūšiuota to paties tipo ir formos šaltinio masyvo kopija.
2 pavyzdys:
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
Išvestis:
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])
3 pavyzdys:
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
Išvestis:
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]])
4 pavyzdys:
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
Išvestis:
array([('Shubham', 5.9, 23, 'M'), ('Arpita', 5.6, 23, 'F'), ('Vaishali', 5.2, 30, 'F')],dtype=[('name', 'S10'), ('height', '<f8'), ('age', ' <i4'), ('gender', 's10')]) array([('arpita', 5.6, 23, 'f'), ('shubham', 5.9, 'm'), ('vaishali', 5.2, 30, 'f')], dtype="[('name'," '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>'x'</strong> by passing dtype and values in the <strong>np.array()</strong> function.</li> <li>We have declared the variables <strong>'y'</strong> and <strong>'z'</strong> , and assigned the returned value of <strong>np.sort()</strong> function.</li> <li>We have passed the input array <strong>'x'</strong> and order in the function.</li> <li>Lastly, we tried to print the value of <strong>'y</strong> ' and <strong>'z'</strong> .</li> </ul> <p>In the output, it shows a sorted copy of the structured array with a defined order.</p> <hr></f8'),>