《利用Python进行数据分析》 附录 A.6更多关于排序的内容

附录A  高阶Numpy


A.6 更多关于排序的内容

1.ndarray的sort实例方法

       和Python的内建列表类似,ndarray的sort实例方法是一种原位排序,意味着数组的内容进行了重排列,而不是生成了一个新的数组(见图A-1)

图A-1:ndarray的sort实例方法

:在进行数组原位排序时,请记住如果数组是不同ndarray的视图的话,原始数组将会被改变

2.numpy.sort方法

        另一方面,numpy.sort产生的是一个数组的新的、排序后的副本。否则,它接受与ndarray.sort相同的参数(如kind)(见图A-2)

图A-2:numpy.sort方法

3.降序排序

       你可能会注意到所有的排序方法都没有降序排列的选项。这是一个实践中的问题,因为数组切片会产生视图,因此不需要生成副本也不需要任何计算工作。很多Python用户对于列表(假设列表名为values)的一种"技巧"很熟悉,即values[::-1]会返回一个反序的列表。对ndarray也是一样(见图A-3)

图A-3:反序排序

A.6.1 间接排序:argsort和lexsort

       在数据分析中,你可能需要通过一个或多个键对数据集进行重新排序。例如,有关某些学生的数据表可能需要按姓氏排序,然后按名字排序。这是一个间接排序的例子,如果你读过pandas相关的章节,你已经看到了许多更高级的例子。给定一个或多个键(一个或多个值的数组),你希望获得一个整数索引(我将它们通称为索引器)数组,整数索引将告诉你如何重新排列数据为指定顺序。两种实现该功能的方法是argsort和numpy.lexsort。

1.argsort方法

示例1:(见图A-4)

图A-4:简单示例

示例2:(见图A-5)

图A-5:二维数组按照第一行排序

2.lexsort方法

       lexsort类似于argsort,但它对多键数组执行间接字典排序。假设我们想对一些由名字和姓氏标识的数据进行排序((见图A-6)

图A-6:lexsort方法

       在你第一次使用lexsort时,lexsort可能有点令人困惑,因为用于排序数据的键的顺序从传递的最后一个数组开始。这里,last_name在first_name之前使用。

       pandas的方法,比如Series和DataFrame的sort_values方法是对这些方法的变相实现(这些方法也必须要考虑缺失值)。


A.6.2 其他的排序算法

      稳定排序算法保留了相等元素的相对位置。在相对顺序有意义的间接排序中,这可能尤其重要(见图A-7)

图A-7:稳定排序

        唯一可用的稳定排序是mergesort,它保证了O(n log n)性能(对于复杂性增益),但其平均性能比默认的quicksort方法更差。请参阅表A-3,了解可用方法及其相对性能(和性能保证)的总结。这是大多数用户永远不必考虑的事情,但知道它的存在是有用的。

表A-3:数组排序方法

A.6.3 数组的部分排序

        排序的目标之一可以是确定数组中最大或最小的元素。NumPy已经优化了方法numpy. partition和np.argpartition,用于围绕第k个最小元素对数组进行分区。

1.numpy. partition方法排序(见图A-8)

图A-8:部分排序

注:在调用partition(arr,3)之后,结果中的前三个元素是最小的三个值,并不是特定的顺序。

2.numpy.argpartition类似于numpy.argsort排序,它返回的是将数据重新排列为等价顺序的索引(见图A-9)

图A-9:numpy.argpartition方法

A.6.4 numpy.searchsorted:在已排序的数组寻找元素

1.searchsorted是一个数组方法,它对已排序数组执行二分搜索,返回数组中需要插入值的位置以保持排序(见图A-10)

图A-10:searchsorted方法

2.应用2

          假设我们有一个介于0和10,000之间的数值,以及我们想用来分隔数据的单独的“桶边界”数组(见图A-11)

图A-11:应用2

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 216,163评论 6 498
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 92,301评论 3 392
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 162,089评论 0 352
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 58,093评论 1 292
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 67,110评论 6 388
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 51,079评论 1 295
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 40,005评论 3 417
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 38,840评论 0 273
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 45,278评论 1 310
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,497评论 2 332
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,667评论 1 348
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 35,394评论 5 343
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,980评论 3 325
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,628评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,796评论 1 268
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 47,649评论 2 368
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,548评论 2 352

推荐阅读更多精彩内容

  • 资料来源:https://github.com/BrambleXu/pydata-notebook 在这篇附录中,...
    林清猫耳阅读 938评论 0 4
  • 基础篇NumPy的主要对象是同种元素的多维数组。这是一个所有的元素都是一种类型、通过一个正整数元组索引的元素表格(...
    oyan99阅读 5,124评论 0 18
  • 资料来源:https://github.com/BrambleXu/pydata-notebook NumPy(N...
    林清猫耳阅读 1,542评论 0 20
  • 137累积法【子扬妈妈】第127天【20180828】 读经内容1.易经周易下经62、63、64卦;2.笠翁对韵上...
    杨凤娟_5e5c阅读 92评论 0 0
  • 鸽子被乌鸦吃了 它浑身僵硬的躺在冰冷的甲板上 肚腹被啄开 内脏已所剩无几 周围散落着洁白的羽毛 那曾是它漂亮的盔甲...
    韩家逆子_阅读 340评论 0 0