NumPy 是 Python 科学计算的基础包。之前我们已经介绍过了三角函数、算术函数、统计函数等基础函数；此外NumPy还提供了多种排序的方法。 这些排序函数实现不同的排序算法，每个排序算法的特征在于执行速度，最坏情况性能，所需的工作空间和算法的稳定性。
1、numpy.sort()：函数返回输入数组的排序副本。
numpy.sort(a, axis, kind, order) 参数说明： a: 要排序的数组 axis: 沿着它排序数组的轴，如果没有数组会被展开，沿着最后的轴排序， axis=0 按列排序，axis=1 按行排序 kind: 默认为'quicksort'（快速排序） order: 如果数组包含字段，则是要排序的字段
| 种类 | 速度 | 最坏情况 | 工作空间 | 稳定性 |
|---|---|---|---|---|
'quicksort'（快速排序） | 1 | O(n^2) | 0 | 否 |
'mergesort'（归并排序） | 2 | O(n*log(n)) | ~n/2 | 是 |
'heapsort'（堆排序） | 3 | O(n*log(n)) | 0 | 否 |
a = np.array([[3, 7], [8, 6]])
print("a = ", a)
print("np.sort(a) = ", np.sort(a))
print("np.sort(a, axis=0) = ", np.sort(a, axis=0))
print("np.sort(a, axis=1) = ", np.sort(a, axis=1))
# 在 sort 函数中排序字段
dt = np.dtype([('maoxian', 'S10'), ('age', int)])
a = np.array([("raju", 21), ("anil", 25), ("ravi", 17), ("amar", 27)], dtype=dt)
print(np.sort(a, order='age'))
2、numpy.argsort() 函数返回的是数组值从小到大的索引值。
x = np.array([6, 4, 8])
print("np.argsort(x) = ", np.argsort(x))
3、msort、sort_complex、partition、argpartition、numpy.lexsort()
| 函数 | 描述 |
|---|---|
| msort(a) | 数组按第一个轴排序，返回排序后的数组副本。np.msort(a) 相等于 np.sort(a, axis=0)。 |
| sort_complex(a) | 对复数按照先实部后虚部的顺序进行排序。 |
| partition(a, kth[, axis, kind, order]) | 指定一个数，对数组进行分区 |
| argpartition(a, kth[, axis, kind, order]) | 可以通过关键字 kind 指定算法沿着指定轴对数组进行分区 |
numpy.lexsort() 用于对多个序列进行排序。把它想象成对电子表格进行排序，每一列代表一个序列，排序时优先照顾靠后的列。
这里举一个应用场景：小升初考试，重点班录取学生按照总成绩录取。在总成绩相同时，数学成绩高的优先录取，在总成绩和数学成绩都相同时，按照英语成绩录取…… 这里，总成绩排在电子表格的最后一列，数学成绩在倒数第二列，英语成绩在倒数第三列。
a = np.array([3, 4, 2, 1])
np.partition(a, 3) # 将数组 a 中所有元素（包括重复元素）从小到大排列，3 表示的是排序数组索引为 3 的数字，比该数字小的排在该数字前面，比该数字大的排在该数字的后面
np.partition(a, (1, 3)) # 小于 1 的在前面，大于 3 的在后面，1和3之间的在中间
4、numpy.argmax() 和 numpy.argmin()
numpy.argmax() 和 numpy.argmin()函数分别沿给定轴返回最大和最小元素的索引。
5、numpy.nonzero()、numpy.where()、numpy.extract()
numpy.nonzero() 函数返回输入数组中非零元素的索引。 numpy.where() 函数返回输入数组中满足给定条件的元素的索引。 numpy.extract() 函数根据某个条件从数组中抽取元素，返回满条件的元素。
a = np.array([[30, 40, 0], [0, 20, 10], [50, 0, 60]])
print("np.nonzero(a) = ", np.nonzero(a))
print("np.where(a > 20) =", np.where(a > 20))
condition = np.mod(a, 6) == 0
print("'np.mod(a, 6) == 0' =", condition)
print(np.extract(condition, a))
# 返回两个数组对象，两个数组对应索引位置的值组成一个原始数组元素的位置 np.nonzero(a) = (array([0, 0, 1, 1, 2, 2], dtype=int64), array([0, 1, 1, 2, 0, 2], dtype=int64)) np.where(a > 20) = (array([0, 0, 2, 2], dtype=int64), array([0, 1, 0, 2], dtype=int64)) 'np.mod(a, 6) == 0' = [[ True False True] [ True False False] [False True True]] [30 0 0 0 60]