V některých případech potřebujeme pro výpočet seřazené pole. Pro tento účel poskytuje numpy modul Pythonu funkci nazvanou numpy.sort() . Tato funkce poskytuje seřazenou kopii zdrojového pole nebo vstupního pole.
Syntax:
numpy.sort(a, axis=-1, kind='quicksort', order=None)
Parametry:
x: array_like
Tento parametr definuje zdrojové pole, které se bude třídit.
osa: int nebo žádná (volitelné)
Tento parametr definuje osu, podél které se řazení provádí. Pokud je tento parametr Žádný , pole bude před řazením zploštěno a ve výchozím nastavení je tento parametr nastaven na -1, což seřadí pole podle poslední osy.
druh: {quicksort, heapsort, mergesort} (volitelné)
Tento parametr se používá k definování algoritmu řazení a ve výchozím nastavení se řazení provádí pomocí 'rychlé řazení' .
pořadí: str nebo seznam str (volitelné)
10 z 50,00
Když je pole definováno s poli, jeho pořadí definuje pole pro provedení porovnání v prvním, druhém atd. Jako řetězec lze zadat pouze jediné pole, a ne nutně pro všechna pole. Nespecifikovaná pole však budou stále používána v pořadí, v jakém se objevují v dtype, k přerušení vazeb.
Vrácení:
Tato funkce vrací seřazenou kopii zdrojového pole, které bude mít stejný tvar a typ jako zdrojové pole.
Příklad 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
Výstup:
java obsahuje podřetězec
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]])
Ve výše uvedeném kódu
- Importovali jsme numpy s aliasem np.
- Vytvořili jsme vícerozměrné pole 'X' použitím np.array() funkce.
- Proměnnou jsme deklarovali 'a' a přiřadil vrácenou hodnotu np.sort() funkce.
- Předali jsme vstupní pole 'X' ve funkci.
- Nakonec jsme zkusili vytisknout hodnotu 'a' .
Ve výstupu zobrazuje seřazenou kopii zdrojového pole stejného typu a tvaru.
Příklad 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
Výstup:
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])
Příklad 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
Výstup:
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]])
Příklad 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
Výstup:
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'),>