13排序搜索
排序，搜索和计数(Sorting, searching, and counting)
排序(Sorting)
| method | description |
|---|---|
| sort(a[, axis, kind, order]) | 返回数组的排序副本。 |
| lexsort(keys[, axis]) | 使用键的序列执行间接稳定排序。 |
| argsort(a[, axis, kind, order]) | 返回将对数组进行排序的索引。 |
| ndarray.sort([axis, kind, order]) | 就地排序数组。 |
| msort(a) | 返回沿第一个指针排序的数组的副本。 |
| sort_complex(a) | 首先使用实部，然后使用虚部对复杂数组进行排序。 |
| partition(a, kth[, axis, kind, order]) | 返回数组的分区副本。 |
| argpartition(a, kth[, axis, kind, order]) | 使用kind关键字指定的算法，沿给定的指针执行间接分区。 |
Searching
| method | description |
|---|---|
| argmax(a[, axis, out]) | Returns the indices of the maximum values along an axis. |
| nanargmax(a[, axis]) | Return the indices of the maximum values in the specified axis ignoring NaNs. |
| argmin(a[, axis, out]) | Returns the indices of the minimum values along an axis. |
| nanargmin(a[, axis]) | Return the indices of the minimum values in the specified axis ignoring NaNs. |
| argwhere(a) | Find the indices of array elements that are non-zero, grouped by element. |
| nonzero(a) | Return the indices of the elements that are non-zero. |
| flatnonzero(a) | Return indices that are non-zero in the flattened version of a. |
| where(condition, [x, y]) | Return elements chosen from x or y depending on condition. |
| searchsorted(a, v[, side, sorter]) | Find indices where elements should be inserted to maintain order. |
| extract(condition, arr) | Return the elements of an array that satisfy some condition. |
Counting
| method | description |
|---|---|
| count_nonzero(a[, axis]) | Counts the number of non-zero values in the array a. |
本博客所有文章除特别声明外，均采用 CC BY-NC-SA 4.0 许可协议。转载请注明来源 Estom的博客！
相关推荐
2021-03-26
4.7 数组中的逆序对
1 数组中的逆序对问题描述在数组中的两个数字，如果前面一个数字大于后面的数字，则这两个数字组成一个逆序对。输入一个数组，求出这个数组中的逆序对的总数。 问题分析策略选择 数据结构：线性数组 算法思想：变治法。将搜索查找问题修改为排序问题。归并排序 算法设计 归并排序」是分治思想的典型应用，它包含这样三个步骤： 分解： 待排序的区间为 [l, r]，令 $m = \lfloor \frac{l + r}{2} \rfloor$，我们把 [l, r] 分成 [l,m] 和 [m+1,r] 解决： 使用归并排序递归地排序两个子序列 合并： 把两个已经排好序的子序列 [l, m][l,m] 和 [m + 1, r][m+1,r] 合并起来 在归并排序过程中。后边列表的数添加到前边之后。前边列表中数的量，就是本次排序逆序数的量。 算法分析 时间复杂度：同归并排序 O(nlogn)。 空间复杂度：同归并排序 O(n)， 算法实现12345678910111213141516171819202122232425262728293031323334353637383940...
2020-09-26
triplot_demo
Triplot Demo创建和绘制非结构化三角形网格。 123import matplotlib.pyplot as pltimport matplotlib.tri as triimport numpy as np 在不指定三角形的情况下创建三角剖分会导致点的Delaunay三角剖分。 1234567891011121314151617181920# First create the x and y coordinates of the points.n_angles = 36n_radii = 8min_radius = 0.25radii = np.linspace(min_radius, 0.95, n_radii)angles = np.linspace(0, 2 * np.pi, n_angles, endpoint=False)angles = np.repeat(angles[..., np.newaxis], n_radii, axis=1)angles[:, 1::2] += np.pi / n_anglesx = (radii * np.cos(angle...
2022-12-04
08-循环遍历
# 1. v-for遍历数组 123456789101112131415161718192021222324252627282930<!DOCTYPE html><html lang="en"><head> <meta charset="UTF-8"> <meta name="viewport" content="width=device-width, initial-scale=1.0"> <meta http-equiv="X-UA-Compatible" content="ie=edge"> <title>Document</title></head><body> <div id="app"> <!-- 1.遍历过程没有使用索引（下标值） --> <ul> ...
2020-09-26
create_subplots
轻松创建子图在matplotlib的早期版本中，如果你想使用pythonic API并创建一个图形实例，并从中创建一个子图的网格，可能有共享轴，它涉及相当数量的样板代码。例如： 1234567891011import matplotlib.pyplot as pltimport numpy as npx = np.random.randn(50)# old stylefig = plt.figure()ax1 = fig.add_subplot(221)ax2 = fig.add_subplot(222, sharex=ax1, sharey=ax1)ax3 = fig.add_subplot(223, sharex=ax1, sharey=ax1)ax3 = fig.add_subplot(224, sharex=ax1, sharey=ax1) 费尔南多·佩雷斯提供了一个很好的方法来创建子图的一切 subplots()（最后注意“s”），并为整个群体打开x和y共享。您可以单独打开轴… 123# new style method 1; unpack the axesfig,...
2020-09-26
spy_demos
Spy 演示绘制数组的稀疏模式。 1234567891011121314151617181920import matplotlib.pyplot as pltimport numpy as npfig, axs = plt.subplots(2, 2)ax1 = axs[0, 0]ax2 = axs[0, 1]ax3 = axs[1, 0]ax4 = axs[1, 1]x = np.random.randn(20, 20)x[5, :] = 0.x[:, 12] = 0.ax1.spy(x, markersize=5)ax2.spy(x, precision=0.1, markersize=5)ax3.spy(x)ax4.spy(x, precision=0.1)plt.show() 参考此示例中显示了以下函数，方法和类的使用： 123import matplotlibmatplotlib.axes.Axes.spymatplotlib.pyplot.spy 下载这个示例 下载python源码: spy_demos.py 下载Jupyter notebook: spy_de...
2020-09-26
histogram_path
使用“矩形”和“多边形”构建直方图使用路径补丁绘制矩形。 使用大量Rectangle实例的技术或使用PolyCollections的更快方法是在我们在mpl中使用moveto / lineto，closepoly等的正确路径之前实现的。 现在我们拥有它们，我们可以使用PathCollection更有效地绘制具有同质属性的常规形状对象的集合。 这个例子创建了一个直方图 - 在开始时设置顶点数组的工作量更大，但对于大量对象来说它应该更快。 123456789101112131415161718192021222324252627282930313233343536373839import numpy as npimport matplotlib.pyplot as pltimport matplotlib.patches as patchesimport matplotlib.path as pathfig, ax = plt.subplots()# Fixing random state for reproducibilitynp.random.seed(19680801...
