V nekaterih primerih za izračun potrebujemo razvrščeno matriko. V ta namen modul numpy v Pythonu ponuja funkcijo, imenovano numpy.sort() . Ta funkcija daje razvrščeno kopijo izvorne matrike ali vhodne matrike.
Sintaksa:
numpy.sort(a, axis=-1, kind='quicksort', order=None)
Parametri:
x: array_like
Ta parameter definira izvorno matriko, ki bo razvrščena.
ime posebnih znakov
os: int ali nič (neobvezno)
Ta parameter določa os, vzdolž katere se izvaja razvrščanje. Če je ta parameter Noben , bo matrika pred razvrščanjem sploščena in privzeto je ta parameter nastavljen na -1, kar razvrsti matriko po zadnji osi.
vrsta: {quicksort, heapsort, mergesort}(izbirno)
Ta parameter se uporablja za definiranje algoritma za razvrščanje, privzeto pa se razvrščanje izvede z uporabo 'hitro razvrščanje' .
vrstni red: str ali seznam str (neobvezno)
Ko je matrika definirana s polji, njen vrstni red določa polja za primerjavo v prvem, drugem itd. Samo eno polje je lahko podano kot niz in ne nujno za vsa polja. Vendar pa bodo nedoločena polja še vedno uporabljena v vrstnem redu, v katerem se prikažejo v dtype, da se prekinejo vezi.
dolžina niza java
Vrne:
Ta funkcija vrne razvrščeno kopijo izvorne matrike, ki bo imela enako obliko in vrsto kot izvorna matrika.
Primer 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
Izhod:
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]])
V zgornji kodi
omejitve e-bančništva
- Uvozili smo numpy z vzdevkom np.
- Ustvarili smo večdimenzionalni niz 'x' uporabo np.array() funkcijo.
- Spremenljivko smo deklarirali 'in' in dodelil vrnjeno vrednost np.sort() funkcijo.
- Prešli smo vhodno polje 'x' v funkciji.
- Nazadnje smo poskušali natisniti vrednost 'in' .
V izhodu prikaže razvrščeno kopijo izvorne matrike iste vrste in oblike.
Primer 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
Izhod:
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])
Primer 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
Izhod:
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]])
Primer 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
Izhod:
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'),>