Numpy 排序和使用索引

#

導包import numpy as np

x = np.arange(16)   #

array([ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11, 12, 13, 14, 15])
#隨機打亂順序，且x順序改變
np.random.shuffle(x)  #
array([13,  2,  6,  7, 11, 10,  3,  4,  8,  0,  5,  1,  9, 14, 12, 15])
np.sort(x)
x   
#array([13,  2,  6,  7, 11, 10,  3,  4,  8,  0,  5,  1,  9, 14, 12, 15])
x.sort() 
x   
#array([ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11, 12, 13, 14, 15])

x = np.random.randint(10, size=(4,4)) 

#每列按大小排序
np.sort(x, axis=0) 
#每行按大小排序
np.sort(x, axis=1)

x = np.arange(16)

np.random.shuffle(x) 
x  #
array([ 5, 13,  0, 10,  2, 14,  1,  3, 11,  8, 12,  9,  7,  4,  6, 15])
np.argsort(x)   #
array([ 2,  6,  4,  7, 13,  0, 14, 12,  9, 11,  3,  8, 10,  1,  5, 15],dtype=int64)
"""所得結果為打亂後資料從小到大排列的索引
"""

np.partition(x, 7)  #

array([ 1,  3,  0,  4,  2,  5,  6,  7,  8, 12, 13,  9, 11, 10, 14, 15])
"""np.partition(x,7)   # 表示陣列 x 中第 7 小的元素位於排序完成陣列 x 的第 7 個位置上
然後小於該元素的位於該元素左邊，大於該元素的位於右邊，
左右兩邊沒有特別的排序要求,只要求左邊小於該元素，右邊大於該元素即可
"""

#

返回的是排序完成的元素索引陣列
np.argpartition(x, 7)

np.random.seed(10)

x = np.random.randint(10, size=(4,4)) 
"""array([[9, 4, 0, 1],
[9, 0, 1, 8],
[9, 0, 8, 6],
[4, 3, 0, 4]])
"""np.argsort(x, axis=1) 
"""array([[2, 3, 1, 0],
[1, 2, 3, 0],
[1, 3, 2, 0],
[2, 1, 0, 3]], dtype=int64)
"""np.argpartition(x, 2, axis=1) 
"""array([[2, 3, 1, 0],
[1, 2, 3, 0],
[1, 3, 2, 0],
[2, 1, 0, 3]], dtype=int64)
"""

numpy 索引多個 numpy和pandas

numpy numpy的陣列為ndarray ndarray與python列表的不同 eg 6.7.5 8.0.1.沒有 隔開,6.0表示為6.整合了c 進行運算 numpy的目的就是讓你不寫迴圈，所以效率很高 pandas 資料結構 series dataframe 索引物件 series 一組n...

numpy 索引和切片

一 取行 1 單行 陣列 index,取第index 1行 例子import numpy as np arr1 np.arange 0,24 reshape 4,6 取第2行資料 row1 arr1 1,print row1 2 連續的多行 陣列 start end 顧頭不顧尾，也可以使用步長，不過...

NumPy 切片和索引

import numpy asnp a np.arange 10,20,1 b slice 1,5,2 d a 1 5 2 e a 2 print a print a b print d print e 結果 1011 1213 1415 1617 1819 1113 1113 1213 1415 ...