numpy sort 用法及代码示例
Lincoln 用法：
numpy.sort(a, axis=-1, kind=None, order=None)
返回数组的排序副本。
| – | 描述 |
|---|---|
| 参数 | a： ： array_like
要排序的数组。 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，它沿着最后一个轴排序。 排序算法。默认值为‘quicksort’。请注意，‘stable’和‘mergesort’都在底下使用timsort或radix sort，通常，实际实现会随数据类型而变化。保留‘mergesort’选项是为了向后兼容。 在1.15.0版中进行了更改：‘stable’选项已添加。 当a是定义了字段的数组时，此参数指定要比较的字段的第一个，第二个等。单个字段可以指定为字符串，并且不需要指定所有字段，但是仍将使用未指定的字段。他们以dtype出现的顺序来打破关系。 |
| 返回值 | sorted_array： ： ndarray
与a具有相同类型和形状的数组。 |
注意：
各种分类算法的特征在于它们的平均速度，最坏情况下的性能，工作空间大小以及它们是否稳定。稳定的排序使具有相同键的项以相同的相对顺序保持。 NumPy中实现的四种算法具有以下属性：
注意
即使指定了‘mergesort’，数据类型也将确定实际使用‘mergesort’还是‘timsort’。目前尚无法进行更精细的用户选择。
除了沿最后一个轴进行排序外，所有排序算法都会临时复制数据。因此，与沿其他任何轴进行排序相比，沿最后一个轴进行排序速度更快且占用的空间更少。
复数的排序顺序为字典顺序。如果实部和虚部都不是南，则顺序由实部确定，除非它们相等，在这种情况下，顺序由虚部确定。
在numpy 1.4.0之前，对包含nan值的实数和复杂数组进行排序会导致未定义的行为。在numpy版本中，> = 1.4.0会将nan值排序到末尾。扩展的排序顺序为：
- Real:[R, nan]
- Complex:[R + Rj, R + nanj, nan + Rj, nan + nanj]
其中R是非南实数值。具有相同nan位置的复杂值(如果存在)将根据非nan部分进行排序。非Nan值的排序方式与以前相同。
1.12.0版中的新功能。
quicksort已更改为introsort，在进度不足时将切换堆排序。这使其最坏情况为O(n * log(n))。
‘stable’自动为要排序的数据类型选择最佳的稳定排序算法。根据数据类型，它将与‘mergesort’一起当前映射到timsort或radix排序。 API前向兼容性当前限制了选择实现的能力，并且对不同数据类型进行了硬连线。
1.17.0版中的新功能。
添加Timsort可以提高对已分类或已分类数据的性能。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，则快速排序仍是默认排序。有关音色的详细信息，请参阅CPython listsort.txt。 ‘mergesort’和‘stable’映射为整数数据类型的基数排序。基数排序是O(n)排序，而不是O(n log n)。
例子：
>>> 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关键字指定对结构化数组进行排序时要使用的字段：
>>> 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') # doctest:+SKIP
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']) # doctest:+SKIP
array([('Galahad', 1.7, 38), ('Lancelot', 1.8999999999999999, 38),
('Arthur', 1.8, 41)],
dtype=[('name', '|S10'), ('height', '<f8'), ('age', '<i4')])
