Em alguns casos, exigimos uma matriz classificada para cálculo. Para este propósito, o módulo numpy do Python fornece uma função chamada numpy.sort() . Esta função fornece uma cópia classificada do array de origem ou array de entrada.
Sintaxe:
numpy.sort(a, axis=-1, kind='quicksort', order=None)
Parâmetros:
x: array_like
Este parâmetro define o array de origem que será classificado.
ipconfig para Ubuntu
eixo: int ou None (opcional)
Este parâmetro define o eixo ao longo do qual a classificação é realizada. Se este parâmetro for Nenhum , a matriz será nivelada antes da classificação e, por padrão, esse parâmetro é definido como -1, que classifica a matriz ao longo do último eixo.
tipo: {quicksort, heapsort, mergesort}(opcional)
Este parâmetro é usado para definir o algoritmo de classificação e, por padrão, a classificação é realizada usando 'ordenação rápida' .
ordem: str ou lista de str (opcional)
Quando um array é definido com campos, sua ordem define os campos para fazer uma comparação em primeiro, segundo, etc. Apenas um único campo pode ser especificado como uma string, e não necessariamente para todos os campos. Porém, os campos não especificados ainda serão utilizados, na ordem em que aparecem no dtype, para desempate.
inteiro para string
Retorna:
Esta função retorna uma cópia classificada do array de origem, que terá o mesmo formato e tipo de um array de origem.
Exemplo 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
Saída:
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]])
No código acima
erro de tempo de execução
- Importamos numpy com o nome alternativo np.
- Criamos um array multidimensional 'x' usando np.array() função.
- Declaramos a variável 'e' e atribuiu o valor retornado de np.sort() função.
- Passamos a matriz de entrada 'x' na função.
- Por último, tentamos imprimir o valor de 'e' .
Na saída, mostra uma cópia classificada da matriz de origem do mesmo tipo e formato.
Exemplo 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
Saída:
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])
Exemplo 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
Saída:
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]])
Exemplo 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
Saída:
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'),>