In einigen Fällen benötigen wir für die Berechnung ein sortiertes Array. Zu diesem Zweck stellt das Numpy-Modul von Python eine Funktion namens bereit numpy.sort() . Diese Funktion liefert eine sortierte Kopie des Quellarrays oder Eingabearrays.
Syntax:
numpy.sort(a, axis=-1, kind='quicksort', order=None)
Parameter:
x: array_like
Dieser Parameter definiert das Quellarray, das sortiert werden soll.
Achse: int oder None (optional)
Dieser Parameter definiert die Achse, entlang der die Sortierung durchgeführt wird. Wenn dieser Parameter ist Keiner , wird das Array vor dem Sortieren abgeflacht, und standardmäßig ist dieser Parameter auf -1 gesetzt, wodurch das Array entlang der letzten Achse sortiert wird.
Art: {Quicksort, Heapsort, Mergesort} (optional)
Dieser Parameter wird verwendet, um den Sortieralgorithmus zu definieren. Standardmäßig wird die Sortierung mit durchgeführt 'schnelle Sorte' .
order: str oder Liste von str (optional)
Wenn ein Array mit Feldern definiert ist, definiert seine Reihenfolge die Felder, die als erstes, zweites usw. verglichen werden sollen. Nur das einzelne Feld kann als Zeichenfolge angegeben werden und nicht unbedingt für alle Felder. Die nicht spezifizierten Felder werden jedoch weiterhin in der Reihenfolge verwendet, in der sie im dtype auftauchen, um die Bindungen aufzulösen.
Kehrt zurück:
Diese Funktion gibt eine sortierte Kopie des Quellarrays zurück, die dieselbe Form und denselben Typ wie ein Quellarray hat.
Beispiel 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
Ausgabe:
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]])
Im obigen Code
- Wir haben numpy mit dem Aliasnamen np importiert.
- Wir haben ein mehrdimensionales Array erstellt 'X' verwenden np.array() Funktion.
- Wir haben die Variable deklariert 'Und' und den zurückgegebenen Wert von zugewiesen np.sort() Funktion.
- Wir haben das Eingabearray übergeben 'X' in der Funktion.
- Zuletzt haben wir versucht, den Wert von auszudrucken 'Und' .
In der Ausgabe wird eine sortierte Kopie des Quellarrays desselben Typs und derselben Form angezeigt.
Beispiel 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
Ausgabe:
Zeichenfolge der Länge
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])
Beispiel 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
Ausgabe:
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]])
Beispiel 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
Ausgabe:
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'),>