numpy.sort#

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

返回数组的已排序副本。

参数：
aarray_like

要排序的数组。

axisint 或 None，可选

要排序的轴。如果为 None，则在排序前将数组展平。默认为 -1，沿最后一个轴排序。

kind{'quicksort', 'mergesort', 'heapsort', 'stable'}，可选

排序算法。默认为 'quicksort'。请注意，'stable' 和 'mergesort' 在底层使用 timsort 或基数排序，并且通常实际实现会因数据类型而异。保留 'mergesort' 选项是为了向后兼容。

orderstr 或 str 列表，可选

当 a 是一个具有定义字段的数组时，此参数指定首先比较哪些字段，其次是哪些字段，依此类推。单个字段可以指定为字符串，不需要指定所有字段，但未指定的字段仍将按其在 dtype 中出现的顺序使用，以打破平局。

stablebool，可选

排序稳定性。如果为 True，则返回的数组将保持比较结果相等的 a 值的相对顺序。如果为 False 或 None，则不保证这一点。在内部，此选项选择 kind='stable'。默认值：None。

2.0.0 版的新功能。

返回值：
sorted_arrayndarray

与 a 类型和形状相同的数组。

参见

ndarray.sort

原地排序数组的方法。

argsort

间接排序。

lexsort

多个键上的间接稳定排序。

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它们的平均速度、最坏情况下的性能、工作空间大小以及它们是否稳定。稳定的排序会保持具有相同键的项目的相同相对顺序。NumPy 中实现的四种算法具有以下特性

kind

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

数据类型决定实际使用 'mergesort' 或 'timsort' 中的哪一个，即使指定了 'mergesort' 也是如此。目前尚无法在更精细的粒度上进行用户选择。

为了提高性能，sort 会根据需要创建一个临时副本，以使数据在内存中沿排序轴连续。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经是连续的。

复数的排序顺序是词典顺序。如果实部和虚部都是非 NaN 值，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 版本 >= 1.4.0 中，NaN 值将排序到最后。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 实数值。具有相同 NaN 位置的复数值根据存在时非 NaN 部分进行排序。非 NaN 值按原样排序。

quicksort 已更改为：introsort。当排序没有取得足够的进展时，它会切换到heapsort。此实现使 quicksort 在最坏情况下为 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’ 一样，目前映射到 timsort 或 基数排序，具体取决于数据类型。API 向前兼容性目前限制了选择实现的能力，并且针对不同的数据类型进行了硬编码。

添加 Timsort 以提高已排序或几乎已排序数据的性能。在随机数据上，timsort 与 mergesort 几乎相同。现在它用于稳定排序，而如果未选择任何排序，则 quicksort 仍然是默认排序。有关 timsort 的详细信息，请参阅 CPython listsort.txt ‘mergesort’ 和 ‘stable’ 对于整数数据类型映射到基数排序。基数排序是 O(n) 排序而不是 O(n log n)。

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，如果年龄相等则按身高排序

>>> 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')])
本页内容