W niektórych przypadkach do obliczeń wymagana jest posortowana tablica. W tym celu moduł numpy Pythona udostępnia funkcję o nazwie numpy.sort() . Ta funkcja daje posortowaną kopię tablicy źródłowej lub tablicy wejściowej.
Składnia:
numpy.sort(a, axis=-1, kind='quicksort', order=None)
Parametry:
x: tablica_podobna
Parametr ten określa tablicę źródłową, która będzie posortowana.
sformatuj ciąg Java
oś: int lub None (opcjonalnie)
Parametr ten określa oś, wzdłuż której wykonywane jest sortowanie. Jeśli ten parametr jest Nic , tablica zostanie spłaszczona przed sortowaniem i domyślnie parametr ten jest ustawiony na -1, co sortuje tablicę wzdłuż ostatniej osi.
rodzaj: {szybkie sortowanie, sortowanie na stercie, sortowanie przez scalanie} (opcjonalnie)
Parametr ten służy do określenia algorytmu sortowania i domyślnie sortowanie odbywa się za pomocą 'szybkie sortowanie' .
framework kolekcji Java
kolejność: str lub lista str (opcjonalnie)
Gdy tablica jest zdefiniowana za pomocą pól, jej kolejność określa, które pola będą porównywane w pierwszym, drugim itd. Tylko pojedyncze pole może zostać określone jako ciąg znaków i niekoniecznie dla wszystkich pól. Jednak nieokreślone pola będą nadal używane, w kolejności, w jakiej pojawiają się w dtype, w celu przerwania powiązań.
Zwroty:
Ta funkcja zwraca posortowaną kopię tablicy źródłowej, która będzie miała ten sam kształt i typ co tablica źródłowa.
Przykład 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
Wyjście:
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]])
W powyższym kodzie
zablokować aplikację na Androida
- Zaimportowaliśmy numpy z aliasem np.
- Stworzyliśmy tablicę wielowymiarową 'X' za pomocą np.tablica() funkcjonować.
- Zadeklarowaliśmy zmienną 'I' i przypisano zwróconą wartość np.sort() funkcjonować.
- Minęliśmy tablicę wejściową 'X' w funkcji.
- Na koniec próbowaliśmy wydrukować wartość 'I' .
Na wyjściu wyświetlana jest posortowana kopia tablicy źródłowej tego samego typu i kształtu.
Przykład 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
Wyjście:
porównanie lwa i tygrysa
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])
Przykład 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
Wyjście:
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]])
Przykład 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
Wyjście:
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'),>