NumPy 排序、条件筛选函数学习笔记

NumPy 是 Python 中一个重要的数值计算库，拥有大量高性能的数学函数和数据结构。其中包括了许多常用的排序、条件筛选函数，本文将介绍这些函数的使用方法及示例。

排序函数

sort

sort 函数可以用来对数组进行排序，可以指定排序方式（升序或降序）。默认情况下，sort 函数会按照最后一个轴的顺序排序。

pythonCopy Code
import numpy as np

arr = np.array([3, 2, 1, 5, 4])
arr_sorted = np.sort(arr)
print(arr_sorted)  # [1 2 3 4 5]

arr_sorted_desc = np.sort(arr)[::-1]
print(arr_sorted_desc)  # [5 4 3 2 1]

argsort

argsort 函数可以返回数组排序后的索引值，默认结果是升序排列。可以通过参数指定降序排列。

pythonCopy Code
import numpy as np

arr = np.array([3, 2, 1, 5, 4])
arr_argsort = np.argsort(arr)
print(arr_argsort)  # [2 1 0 4 3]

arr_argsort_desc = np.argsort(arr)[::-1]
print(arr_argsort_desc)  # [3 4 0 1 2]

条件筛选函数

where

where 函数可以根据指定的条件，在输入数组中返回元素的索引值。可以用来查找数组中满足某个特定条件的元素。

pythonCopy Code
import numpy as np

arr = np.array([1, 2, 3, 4, 5])
condition = arr > 3

indices = np.where(condition)
print(indices)  # (array([3, 4]),)

# 可以利用返回的索引值设置对应元素的值
arr[indices] = 0
print(arr)  # [1 2 3 0 0]

nonzero

nonzero 函数返回数组中非零元素的索引值。

pythonCopy Code
import numpy as np

arr = np.array([0, 1, 2, 0, 3, 0])
nonzero_indices = np.nonzero(arr)
print(nonzero_indices)  # (array([1, 2, 4]),)

# 可以利用返回的索引值设置对应元素的值
arr[nonzero_indices] = -1
print(arr)  # [ 0 -1 -1  0 -1  0]

示例

下面是一些排序、条件筛选函数的实际使用示例：

例1：查找二维数组中每行最小值的索引值

pythonCopy Code
import numpy as np

arr = np.array([[3, 2, 1], [6, 5, 4]])
min_indices = np.argmin(arr, axis=1)
print(min_indices)  # [2 2]

例2：根据条件筛选数组中的元素

pythonCopy Code
import numpy as np

arr = np.array([-2, -1, 0, 1, 2])
condition = arr > 0
positive_elems = arr[condition]
print(positive_elems)  # [1 2]

例3：将二维数组的每行元素按照第一列的大小排序

pythonCopy Code
import numpy as np

arr = np.array([[3, 2, 1], [6, 5, 4], [9, 8, 7]])
sorted_indices = np.argsort(arr[:, 0])
arr_sorted = arr[sorted_indices]
print(arr_sorted)
"""
[[3 2 1]
 [6 5 4]
 [9 8 7]]
"""

以上是 NumPy 排序、条件筛选函数的相关内容，希望能够帮助读者更好地使用 NumPy 库进行数值计算。