python集合排序_numpy排序与集合运算用法示例

排序

numpy与python列表内置的方法类似，也可通过sort方法进行排序。

用法如下：

In [1]: import numpy as np

In [2]: x = np.random.randn(9)

In [3]: x

Out[3]:

array([-0.4041504 , -0.42198556, 0.92807217, -2.66609196, 1.50915897,

0.38080873, 1.05325796, -1.16488798, 0.04062064])

In [4]: x.sort()

In [5]: x

Out[5]:

array([-2.66609196, -1.16488798, -0.42198556, -0.4041504 , 0.04062064,

0.38080873, 0.92807217, 1.05325796, 1.50915897])

可以发现上述的sort方法是直接对x进行了排序而并没有创建一个副本。

但是np.sort()这个顶级的方法，会返回一个副本：

In [6]: x = np.random.randn(6)

In [7]: x

Out[7]:

array([ 0.14240205, 0.48903869, 0.22528632, 1.31659382, 0.00352338,

0.95574862])

In [8]: np.sort(x)

Out[8]:

array([ 0.00352338, 0.14240205, 0.22528632, 0.48903869, 0.95574862,

1.31659382])

In [9]: x

Out[9]:

array([ 0.14240205, 0.48903869, 0.22528632, 1.31659382, 0.00352338,

0.95574862])

传入轴编号，可以实现在某一个轴向上进行排序。

In [34]: x = np.random.randn(5,4)

In [35]: x

Out[35]:

array([[-0.26646799, -0.40714749, -0.76788268, -0.25340467],

[ 0.70099086, -0.88716684, 0.13461279, 2.14412835],

[ 0.39718924, -0.14671297, -0.67821163, 1.85798273],

[-0.29389289, 0.0346094 , 0.25213133, 0.87105479],

[-0.10797243, 1.60188878, 0.67829493, 0.43291808]])

In [36]: s = x

In [37]: s.sort(0)#按列进行排序

In [38]: s

Out[38]:

array([[-0.29389289, -0.88716684, -0.76788268, -0.25340467],

[-0.26646799, -0.40714749, -0.67821163, 0.43291808],

[-0.10797243, -0.14671297, 0.13461279, 0.87105479],

[ 0.39718924, 0.0346094 , 0.25213133, 1.85798273],

[ 0.70099086, 1.60188878, 0.67829493, 2.14412835]])

In [39]: x

Out[39]:

array([[-0.29389289, -0.88716684, -0.76788268, -0.25340467],

[-0.26646799, -0.40714749, -0.67821163, 0.43291808],

[-0.10797243, -0.14671297, 0.13461279, 0.87105479],

[ 0.39718924, 0.0346094 , 0.25213133, 1.85798273],

[ 0.70099086, 1.60188878, 0.67829493, 2.14412835]])

In [40]: x = np.random.randn(5,4)

In [41]: x

Out[41]:

array([[ 0.82309157, -0.56413805, -0.1766557 , -0.31924962],

[-1.25606694, 2.63622922, 2.47481377, 0.27840961],

[ 0.63659583, 1.52779004, -0.90582752, 0.82325241],

[-1.52664294, -0.5285837 , -1.96380368, -0.44323125],

[ 1.94859294, 2.55676806, 1.53614848, -0.43366557]])

In [42]: x.sort(1)#按行进行排序

In [43]: x

Out[43]:

array([[-0.56413805, -0.31924962, -0.1766557 , 0.82309157],

[-1.25606694, 0.27840961, 2.47481377, 2.63622922],

[-0.90582752, 0.63659583, 0.82325241, 1.52779004],

[-1.96380368, -1.52664294, -0.5285837 , -0.44323125],

[-0.43366557, 1.53614848, 1.94859294, 2.55676806]])

在这儿，我试图将x赋值给s，结果发现对s排序后，x也变了，这说明，在内存中，实际上，s，x是指向同一组值得。

我也曾试图输入s.sort(2),结果出现了ValueError:axis(=2)outofbounds,这也就和前面的统计函数的axis参数是一致的。

那么也就是说，他的用法和axis一致。

利用排序，我们还能得到分位数（

分位数（英语：Quantile），亦称分位点，是指将一个随机变量的概率分布范围分为几个等份的数值点，常用的有中位数（即二分位数）、四分位数、百分位数等。具体可自行搜索），从而得到特定位置的值。

In [44]: x = np.random.randn(500)

In [45]: x.sort()

In [46]: x[int(0.05 * len(x))] #5%分位数

Out[46]: -1.7657191623368329

还有很多没有深入了解，比如怎么降序排列，待续。

集合运算

unique(x)返回集合中的唯一值，并排序，其实也就是去除重复值。

In [1]: import numpy as np

In [2]: str = np.array(['s','f','r','s','d','f','w','r'])

In [3]: np.unique(str)

Out[3]:

array(['d', 'f', 'r', 's', 'w'],

dtype='

In [4]: i = np.array([2,2,2,2,1,1,3,4,5,4,3,5])

In [5]: np.unique(i)

Out[5]: array([1, 2, 3, 4, 5])

intersect1d(x,y)返回集合A和B的交集，并排序

In [6]: k = np.arange(8)

In [7]: np.intersect1d(i, k)

Out[7]: array([1, 2, 3, 4, 5])

union1d(x,y)返回集合A和B的并集，并排序

In [8]: np.union1d(i,k)

Out[8]: array([0, 1, 2, 3, 4, 5, 6, 7])

in1d(x,y)返回一个A包含于B的布尔型数组

In [10]: np.in1d(k,i)

Out[10]: array([False, True, True, True, True, True, False, False], dtype=bool)

setdiff1d(x,y)集合的差，包含于A但不包含于B,相当于A-（A∩B)

In [12]: np.setdiff1d(k,i)

Out[12]: array([0, 6, 7])

setxor1d(x,y)存在于A中但不同时存在于B中，也就是对称差，说白了就是A和B交集之外的部分。

就是红色的部分。

In [13]: s = np.arange(4,12)

In [14]: s

Out[14]: array([ 4, 5, 6, 7, 8, 9, 10, 11])

In [15]: np.setxor1d(s,k)

Out[15]: array([ 0, 1, 2, 3, 8, 9, 10, 11])

总结

以上就是本文关于numpy排序与集合运算用法示例的全部内容，希望对大家有所帮助。感兴趣的朋友可以继续参阅本站其他相关专题，如有不足之处，欢迎留言指出。感谢朋友们对本站的支持！

python集合排序_numpy排序与集合运算用法示例相关推荐

Fintech系列(三) -- python对excel操作模块汇总||推荐指数||用法示例
python对excel操作模块汇总||推荐指数||用法示例 Working with Excel Files in Python 总览读写Excel的python第三方开源模块 Excel写操作插 ...
python线程池wait_python线程池 ThreadPoolExecutor 的用法示例
前言从Python3.2开始,标准库为我们提供了 concurrent.futures 模块,它提供了 ThreadPoolExecutor (线程池)和ProcessPoolExecutor (进 ...
python线性插值函数_Numpy一维线性插值函数的用法
直接列出函数: numpy.interp(x, xp, fp, left=None, right=None, period=None) x - 表示将要计算的插值点x坐标 xp - 表示已有的xp数组 ...
Julia程序设计3 数组2 排序、复制、集合运算、字典
Julia程序设计3 数组2 排序.复制.集合运算.字典排序排序算法查找数组中的元素复制数组 for语句实现数组的变换与生成集合运算字典创建字典查阅字典查看索引修改字典添加.删除 ...
TreeSet集合（自然排序和比较器排序）
TreeSet集合自然排序和比较器排序当指执行插入排序.希尔排序.归并排序等算法时,比较两个对象"大小"的比较操作.我们很容易理解整型的 i>j 这样的比较方式,但当 ...
.NET/C#中对自定义对象集合进行自定义排序的方法
一个集合可否排序,要看系统知不知道排序的规则,像内建的系统类型,int ,string,short,decimal这些,系统知道怎么排序,而如果一个集合里面放置的是自定义类型,比如自己定义了一个Car ...
1.8 Collections类操作集合详解——排序，查找，复制
Collections类操作集合详解 Collections 类是 Java 提供的一个操作 Set.List 和 Map 等集合的工具类. Collections 类提供了许多操作集合的静态方法,借 ...
TreeMap集合特点、排序原理
TreeMap特点(类似于TreeSet): 1.无序,不允许重复(无序指元素顺序与添加顺序不一致) 2.TreeMap集合默认会对键进行排序,所以键必须实现自然排序和定制排序中的一种 3..底层使用 ...
java 性能排序_Java常用排序算法及性能测试集合
package algorithm.sort; import java.lang.reflect.Method; import java.util.Arrays; import java.util.D ...

python集合排序_numpy排序与集合运算用法示例

python集合排序_numpy排序与集合运算用法示例相关推荐

最新文章

热门文章