1. WIKI教程
2. 学习Numpy
3. NumPy - 统计函数( Statistical Functions)

NumPy - 统计函数( Statistical Functions)

NumPy中提供了各种与排序相关的功能。 这些排序函数实现了不同的排序算法，每个排序算法的特点是执行速度，最差情况性能，所需的工作空间和算法的稳定性。 下表显示了三种排序算法的比较。

类	速度	最糟糕的情况	工作空间	稳定
‘quicksort’	1	O(n^2)	0	no
‘mergesort’	2	O(n*log(n))	~n/2	yes
‘heapsort’	3	O(n*log(n))	0	no

numpy.sort()

sort（）函数返回输入数组的排序副本。 它有以下参数 -

numpy.sort(a, axis, kind, order)

Where,

Sr.No.	参数和描述
1	a 要排序的数组
2	axis 要对数组进行排序的轴。 如果不是，则数组被展平，在最后一个轴上排序
3	kind 默认是快速排序
4	order 如果数组包含字段，则要排序的字段的顺序

例子 (Example)

import numpy as np  
a = np.array([[3,7],[9,1]]) 
print 'Our array is:' 
print a 
print '\n'
print 'Applying sort() function:' 
print np.sort(a) 
print '\n' 
print 'Sort along axis 0:' 
print np.sort(a, axis = 0) 
print '\n'  
# Order parameter in sort function 
dt = np.dtype([('name', 'S10'),('age', int)]) 
a = np.array([("raju",21),("anil",25),("ravi", 17), ("amar",27)], dtype = dt) 
print 'Our array is:' 
print a 
print '\n'  
print 'Order by name:' 
print np.sort(a, order = 'name')

它将产生以下输出 -

Our array is:
[[3 7]
 [9 1]]
Applying sort() function:
[[3 7]
 [1 9]]
Sort along axis 0:
[[3 1]
 [9 7]]
Our array is:
[('raju', 21) ('anil', 25) ('ravi', 17) ('amar', 27)]
Order by name:
[('amar', 27) ('anil', 25) ('raju', 21) ('ravi', 17)]

numpy.argsort()

numpy.argsort()函数对输入数组执行间接排序，沿给定轴并使用指定的排序类型返回数据索引数组。 此索引数组用于构造排序数组。

例子 (Example)

import numpy as np 
x = np.array([3, 1, 2]) 
print 'Our array is:' 
print x 
print '\n'  
print 'Applying argsort() to x:' 
y = np.argsort(x) 
print y 
print '\n'  
print 'Reconstruct original array in sorted order:' 
print x[y] 
print '\n'  
print 'Reconstruct the original array using loop:' 
for i in y: 
   print x[i],

它将产生以下输出 -

Our array is:
[3 1 2]
Applying argsort() to x:
[1 2 0]
Reconstruct original array in sorted order:
[1 2 3]
Reconstruct the original array using loop:
1 2 3

numpy.lexsort()

function使用一系列键执行间接排序。 密钥可以看作电子表格中的一列。 该函数返回索引数组，使用该数组可以获取排序数据。 请注意，最后一个键恰好是排序的主键。

例子 (Example)

import numpy as np 
nm = ('raju','anil','ravi','amar') 
dv = ('f.y.', 's.y.', 's.y.', 'f.y.') 
ind = np.lexsort((dv,nm)) 
print 'Applying lexsort() function:' 
print ind 
print '\n'  
print 'Use this index to get sorted data:' 
print [nm[i] + ", " + dv[i] for i in ind] 

它将产生以下输出 -

Applying lexsort() function:
[3 1 0 2]
Use this index to get sorted data:
['amar, f.y.', 'anil, s.y.', 'raju, f.y.', 'ravi, s.y.']

NumPy模块具有许多用于在数组内搜索的函数。 可以使用找到最大值，最小值以及满足给定条件的元素的函数。

numpy.argmax() and numpy.argmin()

这两个函数分别沿给定轴返回最大和最小元素的索引。

例子 (Example)

import numpy as np 
a = np.array([[30,40,70],[80,20,10],[50,90,60]]) 
print 'Our array is:' 
print a 
print '\n' 
print 'Applying argmax() function:' 
print np.argmax(a) 
print '\n'  
print 'Index of maximum number in flattened array' 
print a.flatten() 
print '\n'  
print 'Array containing indices of maximum along axis 0:' 
maxindex = np.argmax(a, axis = 0) 
print maxindex 
print '\n'  
print 'Array containing indices of maximum along axis 1:' 
maxindex = np.argmax(a, axis = 1) 
print maxindex 
print '\n'  
print 'Applying argmin() function:' 
minindex = np.argmin(a) 
print minindex 
print '\n'  
print 'Flattened array:' 
print a.flatten()[minindex] 
print '\n'  
print 'Flattened array along axis 0:' 
minindex = np.argmin(a, axis = 0) 
print minindex
print '\n'
print 'Flattened array along axis 1:' 
minindex = np.argmin(a, axis = 1) 
print minindex

它将产生以下输出 -

Our array is:
[[30 40 70]
 [80 20 10]
 [50 90 60]]
Applying argmax() function:
7
Index of maximum number in flattened array
[30 40 70 80 20 10 50 90 60]
Array containing indices of maximum along axis 0:
[1 2 0]
Array containing indices of maximum along axis 1:
[2 0 1]
Applying argmin() function:
5
Flattened array:
10
Flattened array along axis 0:
[0 1 1]
Flattened array along axis 1:
[0 2 0]

numpy.nonzero()

numpy.nonzero()函数返回输入数组中非零元素的索引。

例子 (Example)

import numpy as np 
a = np.array([[30,40,0],[0,20,10],[50,0,60]]) 
print 'Our array is:' 
print a 
print '\n'  
print 'Applying nonzero() function:' 
print np.nonzero (a)

它将产生以下输出 -

Our array is:
[[30 40 0]
 [ 0 20 10]
 [50 0 60]]
Applying nonzero() function:
(array([0, 0, 1, 1, 2, 2]), array([0, 1, 1, 2, 0, 2]))

numpy.where()

where（）函数返回满足给定条件的输入数组中元素的索引。

例子 (Example)

import numpy as np 
x = np.arange(9.).reshape(3, 3) 
print 'Our array is:' 
print x  
print 'Indices of elements > 3' 
y = np.where(x > 3) 
print y  
print 'Use these indices to get elements satisfying the condition' 
print x[y]

它将产生以下输出 -

Our array is:
[[ 0. 1. 2.]
 [ 3. 4. 5.]
 [ 6. 7. 8.]]
Indices of elements > 3
(array([1, 1, 2, 2, 2]), array([1, 2, 0, 1, 2]))
Use these indices to get elements satisfying the condition
[ 4. 5. 6. 7. 8.]

numpy.extract()

extract()函数返回满足任何条件的元素。

import numpy as np 
x = np.arange(9.).reshape(3, 3) 
print 'Our array is:' 
print x  
# define a condition 
condition = np.mod(x,2) == 0 
print 'Element-wise value of condition' 
print condition  
print 'Extract elements using condition' 
print np.extract(condition, x)

它将产生以下输出 -

Our array is:
[[ 0. 1. 2.]
 [ 3. 4. 5.]
 [ 6. 7. 8.]]
Element-wise value of condition
[[ True False True]
 [False True False]
 [ True False True]]
Extract elements using condition
[ 0. 2. 4. 6. 8.]