Dans certains cas, nous avons besoin d'un tableau trié pour le calcul. A cet effet, le module numpy de Python fournit une fonction appelée numpy.sort() . Cette fonction donne une copie triée du tableau source ou du tableau d'entrée.
Syntaxe:
numpy.sort(a, axis=-1, kind='quicksort', order=None)
Paramètres:
x : tableau_like
Ce paramètre définit le tableau source qui va être trié.
tri par liste de tableaux
axe : int ou Aucun (facultatif)
Ce paramètre définit l'axe le long duquel le tri est effectué. Si ce paramètre est Aucun , le tableau sera aplati avant le tri, et par défaut, ce paramètre est défini sur -1, ce qui trie le tableau le long du dernier axe.
kind : {tri rapide, tri en tas, tri par fusion} (facultatif)
Ce paramètre permet de définir l'algorithme de tri, et par défaut, le tri est effectué à l'aide de 'tri rapide' .
hauteur de kat timpf
ordre : str ou liste de str (facultatif)
Lorsqu'un tableau est défini avec des champs, son ordre définit les champs pour effectuer une comparaison en premier, en deuxième, etc. Seul un seul champ peut être spécifié sous forme de chaîne, et pas nécessairement pour tous les champs. Cependant, les champs non spécifiés seront toujours utilisés, dans l'ordre dans lequel ils apparaissent dans le dtype, pour rompre les égalités.
Retour:
Cette fonction renvoie une copie triée du tableau source, qui aura la même forme et le même type qu'un tableau source.
Exemple 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
Sortir:
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]])
Dans le code ci-dessus
remplacer en java
- Nous avons importé numpy avec le nom d'alias np.
- Nous avons créé un tableau multidimensionnel 'X' en utilisant np.array() fonction.
- Nous avons déclaré la variable 'et' et attribué la valeur renvoyée de np.sort() fonction.
- Nous avons passé le tableau d'entrée 'X' dans la fonction.
- Enfin, nous avons essayé d'imprimer la valeur de 'et' .
Dans la sortie, il affiche une copie triée du tableau source du même type et de la même forme.
Exemple 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
Sortir:
vlc télécharger des vidéos depuis youtube
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])
Exemple 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
Sortir:
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]])
Exemple 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
Sortir:
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'),>