Joissakin tapauksissa tarvitsemme lajiteltua taulukkoa laskentaa varten. Tätä tarkoitusta varten Pythonin numpy-moduuli tarjoaa toiminnon nimeltä numpy.sort() . Tämä toiminto antaa lajitellun kopion lähdetaulukosta tai syöttötaulukosta.
Syntaksi:
numpy.sort(a, axis=-1, kind='quicksort', order=None)
Parametrit:
x: array_like
Tämä parametri määrittää lähdetaulukon, joka lajitellaan.
java listnode
akseli: int tai ei mitään (valinnainen)
Tämä parametri määrittää akselin, jota pitkin lajittelu suoritetaan. Jos tämä parametri on Ei mitään , taulukko tasoitetaan ennen lajittelua, ja oletusarvoisesti tämän parametrin arvo on -1, mikä lajittelee taulukon viimeistä akselia pitkin.
laji: {quicksort, heapssort, mergesort} (valinnainen)
Tätä parametria käytetään lajittelualgoritmin määrittämiseen, ja oletusarvoisesti lajittelu suoritetaan käyttämällä 'pikalajittelu' .
järjestys: str tai str-luettelo (valinnainen)
Kun taulukko määritellään kentillä, sen järjestys määrittää kentät vertailua varten ensimmäisessä, toisessa jne. Vain yksi kenttä voidaan määrittää merkkijonoksi, ei välttämättä kaikille kentille. Määrittämättömiä kenttiä käytetään kuitenkin edelleen siinä järjestyksessä, jossa ne tulevat dtypessä, katkaisemaan siteet.
java merkkijonoluokka
Palautukset:
Tämä funktio palauttaa lajitellun kopion lähdetaulukosta, jolla on sama muoto ja tyyppi kuin lähdetaulukolla.
Esimerkki 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
Lähtö:
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]])
Yllä olevassa koodissa
int merkkijonoon
- Olemme tuoneet numpyn aliasnimellä np.
- Olemme luoneet moniulotteisen taulukon 'x' käyttämällä np.array() toiminto.
- Olemme ilmoittaneet muuttujan 'ja' ja määritti palautetun arvon np.sort() toiminto.
- Olemme läpäisseet syöttötaulukon 'x' funktiossa.
- Lopuksi yritimme tulostaa arvon 'ja' .
Tulosteessa se näyttää lajitellun kopion samantyyppisestä ja -muotoisesta lähdetaulukosta.
Esimerkki 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
Lähtö:
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])
Esimerkki 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
Lähtö:
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]])
Esimerkki 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
Lähtö:
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'),>