I nogle tilfælde kræver vi et sorteret array til beregning. Til dette formål giver numpy-modulet i Python en funktion kaldet numpy.sort() . Denne funktion giver en sorteret kopi af kilde- eller input-arrayet.
Syntaks:
numpy.sort(a, axis=-1, kind='quicksort', order=None)
Parametre:
x: array_like
Denne parameter definerer kildearrayet, som skal sorteres.
akse: int eller ingen (valgfrit)
Denne parameter definerer den akse, langs hvilken sorteringen udføres. Hvis denne parameter er Ingen , vil arrayet blive fladtrykt før sortering, og som standard er denne parameter sat til -1, som sorterer arrayet langs den sidste akse.
type: {quicksort, heapsort, mergesort}(valgfrit)
Denne parameter bruges til at definere sorteringsalgoritmen, og som standard udføres sorteringen vha 'quicksort' .
rækkefølge: str eller liste over str (valgfrit)
Når et array er defineret med felter, definerer dets rækkefølge felterne for at lave en sammenligning i første, anden osv. Kun det enkelte felt kan angives som en streng, og ikke nødvendigvis for alle felter. De uspecificerede felter vil dog stadig blive brugt, i den rækkefølge, de kommer op i dtype, for at bryde båndene.
Vender tilbage:
Denne funktion returnerer en sorteret kopi af kildearrayet, som vil have samme form og type som et kildearray.
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
Produktion:
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 ovenstående kode
- Vi har importeret numpy med alias navn np.
- Vi har skabt et multidimensionelt array 'x' ved brug af np.array() fungere.
- Vi har erklæret variablen 'og' og tildelt den returnerede værdi af np.sort() fungere.
- Vi har bestået input-arrayet 'x' i funktionen.
- Til sidst forsøgte vi at udskrive værdien af 'og' .
I outputtet viser det en sorteret kopi af kildearrayet af 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
Produktion:
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
Produktion:
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
Produktion:
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'),>