numpy.sort#

numpy.sort(a, axis=-1, kind=None, order=None, *, stable=None)[source]#

返回数组的排序副本。

参数：
aarray_like

要排序的数组。

axisint 或 None，可选

排序所沿的轴。如果为 None，则在排序前将数组展平。默认值为 -1，表示沿最后一个轴排序。

kind{‘quicksort’, ‘mergesort’, ‘heapsort’, ‘stable’}，可选

排序算法。默认值为 ‘quicksort’。请注意，‘stable’ 和 ‘mergesort’ 在底层都使用了 timsort 或 radix sort，通常，实际实现会因数据类型而异。‘mergesort’ 选项是为了向后兼容而保留的。

orderstr 或 str 列表，可选

当 a 是一个定义了字段的数组时，此参数指定首先、其次等要比较的字段。单个字段可以指定为字符串，并且不必指定所有字段，但未指定的字段仍将按照它们在 dtype 中出现的顺序用于打破平局。

stablebool，可选

排序稳定性。如果为 True，则返回的数组将保持 a 中相等值的相对顺序。如果为 False 或 None，则不保证此项。在内部，此选项选择 kind='stable'。默认值：None。

2.0.0 版本新增。

返回：
sorted_arrayndarray

与 a 具有相同类型和形状的数组。

另请参阅

ndarray.sort

用于就地排序数组的方法。

argsort

间接排序。

lexsort

对多个键进行间接稳定排序。

searchsorted

在已排序数组中查找元素。

partition

部分排序。

注意

各种排序算法的特点是其平均速度、最坏情况性能、工作空间大小以及是否稳定。稳定排序会保持具有相同键的项目的相对顺序不变。NumPy 中实现的四种算法具有以下特性：

类型

速度

最坏情况

工作空间

稳定

‘quicksort’

1

O(n^2)

0

否

‘heapsort’

3

O(n*log(n))

0

否

‘mergesort’

2

O(n*log(n))

~n/2

是

‘timsort’

2

O(n*log(n))

~n/2

是

注意

即使指定了 ‘mergesort’，数据类型也决定了实际使用 ‘mergesort’ 还是 ‘timsort’。目前无法进行更细粒度的用户选择。

为了性能，sort 在需要时会创建临时副本，以使数据沿排序轴在内存中连续。为了获得更好的性能并减少内存消耗，请确保数组沿排序轴已连续。

复数的排序顺序是字典序的。如果实部和虚部都不是 NaN，则顺序由实部决定，除非它们相等，在这种情况下，顺序由虚部决定。

在 NumPy 1.4.0 之前，对包含 NaN 值的实数和复数数组进行排序会导致未定义的行为。在 NumPy 1.4.0 及更高版本中，NaN 值被排序到末尾。扩展的排序顺序是：

  • 实数: [R, nan]

  • 复数: [R + Rj, R + nanj, nan + Rj, nan + nanj]

其中 R 是非 NaN 的实数值。具有相同 NaN 位置的复数如果存在非 NaN 部分，则按该部分排序。非 NaN 值则按以前的方式排序。

quicksort 已更改为：内省排序 (introsort)。当排序没有取得足够进展时，它会切换到堆排序 (heapsort)。此实现使得 quicksort 在最坏情况下的时间复杂度为 O(n*log(n))。

‘stable’ 会自动为正在排序的数据类型选择最佳的稳定排序算法。它与 ‘mergesort’ 一起，目前根据数据类型映射到 timsort 或 基数排序 (radix sort)。API 向前兼容性目前限制了选择实现的能力，并且它针对不同的数据类型进行了硬编码。

添加 Timsort 是为了在已排序或接近排序的数据上获得更好的性能。在随机数据上，Timsort 与 mergesort 几乎相同。现在它用于稳定排序，而如果没有选择任何算法，quicksort 仍然是默认排序。有关 Timsort 的详细信息，请参阅 CPython listsort.txt。对于整数数据类型，‘mergesort’ 和 ‘stable’ 映射到基数排序 (radix sort)。基数排序是 O(n) 排序，而不是 O(n log n) 排序。

NaT 现在排序到数组的末尾，以与 NaN 保持一致。

示例

>>> import numpy as np
>>> a = np.array([[1,4],[3,1]])
>>> np.sort(a)                # sort along the last axis
array([[1, 4],
       [1, 3]])
>>> np.sort(a, axis=None)     # sort the flattened array
array([1, 1, 3, 4])
>>> np.sort(a, axis=0)        # sort along the first axis
array([[1, 1],
       [3, 4]])

使用 order 关键字指定在排序结构化数组时要使用的字段

>>> dtype = [('name', 'S10'), ('height', float), ('age', int)]
>>> values = [('Arthur', 1.8, 41), ('Lancelot', 1.9, 38),
...           ('Galahad', 1.7, 38)]
>>> a = np.array(values, dtype=dtype)       # create a structured array
>>> np.sort(a, order='height')                        
array([('Galahad', 1.7, 38), ('Arthur', 1.8, 41),
       ('Lancelot', 1.8999999999999999, 38)],
      dtype=[('name', '|S10'), ('height', '<f8'), ('age', '<i4')])

按年龄排序，如果年龄相同则按身高排序

>>> np.sort(a, order=['age', 'height'])               
array([('Galahad', 1.7, 38), ('Lancelot', 1.8999999999999999, 38),
       ('Arthur', 1.8, 41)],
      dtype=[('name', '|S10'), ('height', '<f8'), ('age', '<i4')])
在本页