En alguns casos, necessitem una matriu ordenada per al càlcul. Amb aquest propòsit, el mòdul numpy de Python proporciona una funció anomenada numpy.sort() . Aquesta funció proporciona una còpia ordenada de la matriu d'origen o d'entrada.
Sintaxi:
numpy.sort(a, axis=-1, kind='quicksort', order=None)
Paràmetres:
x: array_like
Aquest paràmetre defineix la matriu font, que s'ordenarà.
mylivecricket.
eix: int o Cap (opcional)
Aquest paràmetre defineix l'eix al llarg del qual es realitza l'ordenació. Si aquest paràmetre és Cap , la matriu s'aplanarà abans d'ordenar i, per defecte, aquest paràmetre s'estableix en -1, que ordena la matriu al llarg de l'últim eix.
tipus: {quicksort, heapsort, mergesort}(opcional)
Aquest paràmetre s'utilitza per definir l'algorisme d'ordenació i, per defecte, l'ordenació es realitza mitjançant 'quicksort' .
ordre: str o llista de str (opcional)
Quan una matriu es defineix amb camps, el seu ordre defineix els camps per fer una comparació en primer, segon, etc. Només el camp únic es pot especificar com a cadena, i no necessàriament per a tots els camps. Tanmateix, els camps no especificats es seguiran utilitzant, en l'ordre en què apareixen al dtype, per trencar els llaços.
escriviu json al fitxer python
Devolucions:
Aquesta funció retorna una còpia ordenada de la matriu d'origen, que tindrà la mateixa forma i tipus que una matriu d'origen.
Exemple 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
Sortida:
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]])
En el codi anterior
llista comparable
- Hem importat numpy amb el nom d'àlies np.
- Hem creat una matriu multidimensional 'x' utilitzant np.array() funció.
- Hem declarat la variable 'i' i assignat el valor retornat de np.sort() funció.
- Hem passat la matriu d'entrada 'x' en la funció.
- Finalment, hem intentat imprimir el valor de 'i' .
A la sortida, mostra una còpia ordenada de la matriu font del mateix tipus i forma.
Exemple 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
Sortida:
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])
Exemple 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
Sortida:
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]])
Exemple 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
Sortida:
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'),>