numpy.sort#

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

返回数组的已排序副本。

参数:
a类数组对象

待排序的数组。

axisint 或 None, 可选

排序的轴。如果为 None，则在排序前展平数组。默认值为 -1，表示沿最后一个轴排序。

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

排序算法。默认值为‘quicksort’。请注意，‘stable’和‘mergesort’在底层都使用timsort或radix sort，并且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, optional

当 a 是一个具有已定义字段的数组时，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, optional

排序稳定性。如果为 True，则返回的数组将保持 a 中比较相等的元素之间的相对顺序。如果为 False 或 None，则不保证如此。内部而言，此选项选择 kind='stable'。默认值：None。

版本 2.0.0 中新增。

返回:
sorted_arrayndarray

与 a 类型和形状相同的数组。

另请参阅

ndarray.sort

原地排序数组的方法。

argsort

间接排序。

lexsort

基于多个键的间接稳定排序。

searchsorted

在已排序的数组中查找元素。

partition

部分排序。

备注

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元素保持相同的相对顺序。NumPy 中实现的四种算法具有以下特性：

kind

speed

最坏情况

工作空间

稳定

‘quicksort’

1

O(n^2)

0

no

‘heapsort’

3

O(n*log(n))

0

no

‘mergesort’

2

O(n*log(n))

~n/2

是

‘timsort’

2

O(n*log(n))

~n/2

是

注意

数据类型决定了实际使用的是‘mergesort’还是‘timsort’，即使指定了‘mergesort’。目前无法在更细的粒度上进行用户选择。

为了性能，如果需要，sort 会创建一个临时副本，以使数据沿排序轴在内存中 连续。为了获得更好的性能和减少内存消耗，请确保数组沿排序轴已经连续。

复数的排序顺序是字典序。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，此时顺序由虚部决定。

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行为。在 numpy 版本 >= 1.4.0 中，nan 值会被排序到末尾。扩展的排序顺序为：

  • 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 位置的复数值根据非 nan 部分（如果存在）进行排序。非 nan 值按原样排序。

quicksort 已更改为： introsort。当排序进展不足时，它会切换到 heapsort。此实现使 quicksort 在最坏情况下的复杂度为 O(n*log(n))。

‘stable’ 会自动选择适合被排序数据类型的最佳稳定排序算法。它和‘mergesort’目前会根据数据类型映射到 timsort 或 radix sort。API 向后兼容性目前限制了选择实现的可用性，并且对于不同的数据类型是硬编码的。

添加了 Timsort 以提高对已排序或近乎已排序数据的性能。对于随机数据，timsort 几乎与 mergesort 相同。它现在用于稳定排序，而 quicksort 仍然是未选择任何排序时的默认排序。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’会被映射到 radix sort。Radix sort 的复杂度为 O(n)，而不是 O(n log n)。

为了与 NaN 的一致性，NaT 现在排序到数组的末尾。

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 关键字在排序结构化数组时指定要使用的字段

>>> 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，然后按身高排序（如果年龄相等）

>>> 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')])
在此页面