Hướng dẫn dùng np.lexsort python
Nhiều chức năng liên quan đến sắp xếp có sẵn trong NumPy. Các hàm sắp xếp này thực hiện các thuật toán sắp xếp khác nhau, mỗi thuật toán được đặc trưng bởi tốc độ thực thi, hiệu suất trong trường hợp xấu nhất, không gian hoạt động cần thiết và tính ổn định của các thuật toán. Bảng sau đây cho thấy sự so sánh của ba thuật toán sắp xếp. Show
1. numpy.sort() :Hàm sort () trả về một bản sao đã được sắp xếp của mảng đầu vào
Trong đó :
Ví dụ :
Kết quả :
2. numpy.argsort() :Hàm numpy.argsort () thực hiện sắp xếp gián tiếp trên mảng đầu vào, dọc theo trục đã cho và sử dụng kiểu sắp xếp cụ thể để trả về mảng chỉ số dữ liệu. Mảng này được sử dụng để xây dựng mảng đã sắp xếp Ví dụ :
Kết quả :
3. numpy.lexsort()hàm thực hiện sắp xếp gián tiếp bằng cách sử dụng một chuỗi khóa. Các khóa có thể được xem như một cột trong bảng tính. Hàm trả về một mảng chỉ số, sử dụng dữ liệu đã sắp xếp để lấy dữ liệu. Lưu ý rằng khóa cuối cùng sẽ là khóa chính Ví dụ :
Kết quả :
NumPy có một số hàm để tìm kiếm bên trong một mảng. Có sẵn các hàm tìm min, max cũng như các phần tử thỏa mãn một điều kiện nhất định. 4. numpy.argmax() and numpy.argmin()Hai hàm này trả về chỉ số của các phần tử cực đại và cực tiểu tương ứng dọc theo trục đã cho. Ví dụ :
Kết quả :
5. numpy.nonzero() :Hàm numpy.nonzero () trả về chỉ số của các phần tử khác 0 trong mảng đầu vào. Ví dụ :
Kết quả :
6. numpy.where()Hàm where () trả về chỉ số của các phần tử trong mảng đầu vào thỏa mãn điều kiện đã cho. Ví dụ :
Kết quả :
7. numpy.extract()Hàm extract () trả về các phần tử thỏa mãn bất kỳ điều kiện nào.
Kết quả : |