numpy.sort#

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

返回一个数组的排序副本.

参数:
aarray_like

要排序的数组.

axis整数或无,可选

要排序的轴.如果为 None,则在排序之前将数组展平.默认值为 -1,即沿最后一个轴排序.

kind{‘快速排序’, ‘归并排序’, ‘堆排序’, ‘稳定’}, 可选

排序算法.默认是 ‘quicksort’.注意,’stable’ 和 ‘mergesort’ 在底层使用 timsort 或 radix sort,并且实际的实现会根据数据类型而变化.’mergesort’ 选项保留用于向后兼容.

在 1.15.0. 版本发生变更: 添加了 ‘stable’ 选项.

orderstr 或 str 列表,可选

当 a 是一个定义了字段的数组时,此参数指定首先比较哪些字段,其次比较哪些字段等.单个字段可以指定为字符串,并且不需要指定所有字段,但未指定的字段仍将使用,按它们在 dtype 中出现的顺序来打破平局.

stable布尔值, 可选

排序稳定性.如果 True ,返回的数组将保持 a 值之间的相对顺序,这些值比较为相等.如果 False 或 None ,则不保证这一点.在内部,此选项选择 kind='stable' .默认值: None .

在 2.0.0 版本加入.

返回:
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

基于多个键的间接稳定排序.

searchsorted

在排序数组中查找元素.

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.一个稳定的排序会保持具有相同键的项在相同的相对顺序.NumPy中实现的四种算法具有以下特性:

种类

速度

最坏情况

工作空间

stable

‘quicksort’

1

O(n^2)

0

不

‘heapsort’

3

O(n*log(n))

0

不

‘mergesort’

2

O(n*log(n))

~n/2

是的

‘timsort’

2

O(n*log(n))

~n/2

是的

备注

数据类型决定了实际上使用的是 ‘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,如果需要使数据在排序轴上 连续 内存中,``sort`` 会创建一个临时副本.为了更好的性能和减少内存消耗,确保数组已经在排序轴上是连续的.

复数的排序顺序是字典序.如果实部和虚部都不是非数（non-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 版本 >= 1.4.0 中,nan 值被排序到末尾.扩展的排序顺序是:

  • 实际值: [R, nan]

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

其中 R 是一个非 NaN 实数值.具有相同 NaN 位置的复数值根据存在的非 NaN 部分进行排序.非 NaN 值按之前的方式排序.

在 1.12.0 版本加入.

quicksort 已更改为:introsort.当排序进度不足时,它会切换到 heapsort.此实现使得 quicksort 在最坏情况下为 O(n*log(n)).

‘stable’ 自动选择最适合被排序数据类型的最佳稳定排序算法.它和 ‘mergesort’ 目前根据数据类型映射到 timsort 或 基数排序.API 向前兼容性目前限制了选择实现的能力,并且它是针对不同数据类型硬连接的.

在 1.17.0 版本加入.

Timsort 被添加用于在已经或接近排序的数据上获得更好的性能.在随机数据上,Timsort 几乎与 mergesort 相同.现在它用于稳定排序,而如果没有选择其他排序方法,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’ 被映射到整数数据类型的基数排序.基数排序是一种 O(n) 排序,而不是 O(n log n).

在 1.18.0 版本发生变更.

NaT 现在排序到数组的末尾,以便与 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 关键字来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')])
On this page