numpy.sort

numpy.sort(a, axis=-1, kind=None, order=None) [source]

Возвращает отсортированную копию массива.

Параметры:

a : array_like Массив, который нужно отсортировать. axis : int or None, optional Ось, по которой нужно сортировать. Если None, массив сжимается в одномерный прежде чем отсортировать. По умолчанию -1, что сортирует по последней оси. kind : {‘quicksort’, ‘mergesort’, ‘heapsort’, ‘stable’}, optional Алгоритм сортировки. По умолчанию «quicksort». Обратите внимание, что как ‘stable’, так и ‘mergesort’ используют timsort или radix sort под капотом и, как правило, фактическая реализация будет варьироваться в зависимости от типа данных. Опция ‘mergesort’ сохраняется для обратной совместимости. Изменено в версии 1.15.0.: Была добавлена опция ‘stable’. order : str or list of str, optional Когда a является массивом с определенными полями, этот аргумент указывает, какие поля сравнивать сначала, второе и т.д. Одно поле может быть указано как строка, и не все поля должны быть указаны, но неуказанные поля все равно будут использоваться в том порядке, в котором они появляются в dtype, чтобы разрешить ничьи.

Возвращает:

sorted_array : ndarray Массив того же типа и формы, что и a.

См. также

ndarray.sort

Метод для сортировки массива на месте.

argsort

Непрямая сортировка.

lexsort

Непрямая стабильная сортировка по нескольким ключам.

searchsorted

Найти элементы в отсортированном массиве.

partition

Частичная сортировка.

Примечания

Различные алгоритмы сортировки характеризуются их средней скоростью, наихудшим случаем, размером рабочей области и тем, являются ли они стабильными. Стабильная сортировка сохраняет элементы с одинаковым ключом в том же относительном порядке. Четыре алгоритма, реализованные в NumPy, имеют следующие свойства:

kind	скорость	наихудший случай	рабочая область	стабильность
‘quicksort’	1	O(n^2)	0	нет
‘heapsort’	3	O(n*log(n))	0	нет
‘mergesort’	2	O(n*log(n))	~n/2	да
‘timsort’	2	O(n*log(n))	~n/2	да

Примечание

Тип данных определяет, какой из ‘mergesort’ или ‘timsort’ фактически используется, даже если указан ‘mergesort’. Выбор пользователя на более мелком уровне в настоящее время недоступен.

Все алгоритмы сортировки создают временные копии данных при сортировке по любой оси, кроме последней. Следовательно, сортировка по последней оси быстрее и требует меньше памяти, чем сортировка по любой другой оси.

Порядок сортировки для комплексных чисел — лексикографический. Если действительная и мнимая части не являются nan, то порядок определяется действительной частью, за исключением случаев, когда они равны, в этом случае порядок определяется мнимой частью.

До версии numpy 1.4.0 сортировка вещественных и комплексных массивов, содержащих значения nan, приводила к неопределенному поведению. В версиях numpy ≥ 1.4.0 значения nan сортируются в конец. Расширенный порядок сортировки:

• Вещественные: [R, nan]
• Комплексные: [R + Rj, R + nanj, nan + Rj, nan + nanj]

где R — ненулевое вещественное значение. Комплексные значения с теми же позициями nan сортируются по ненулевой части, если она существует. Не-nan значения сортируются как и прежде.

Новое в версии 1.12.0.

quicksort был изменен на introsort, который переключится на heapsort, когда он не делает достаточно прогресса. Это делает его наихудший случай O(n*log(n)).

‘stable’ автоматически выбирает лучший стабильный алгоритм сортировки для типа данных, который сортируется. Он, наряду с ‘mergesort’, в настоящее время отображается в timsort или radix sort в зависимости от типа данных. API обратной совместимости в настоящее время ограничивает возможность выбора реализации, и он жёстко задан для разных типов данных.

Новое в версии 1.17.0.

Timsort добавлен для лучшей производительности на уже или почти отсортированных данных. На случайных данных timsort почти идентичен mergesort. Сейчас он используется для стабильной сортировки, а quicksort по-прежнему является стандартной сортировкой, если не выбрана никакая другая. Для получения подробностей о timsort см. CPython listsort.txt. ‘mergesort’ и ‘stable’ отображаются в radix sort для целочисленных типов данных. Radix sort — это сортировка O(n) вместо O(n log n).

Примеры

>>> a = np.array([[1,4],[3,1]])
>>> np.sort(a)                # sort along the last axis
array([[1, 4],
       [1, 3]])
>>> np.sort(a, axis=None)     # sort the flattened array
array([1, 1, 3, 4])
>>> np.sort(a, axis=0)        # sort along the first axis
array([[1, 1],
       [3, 4]])

Используйте ключевое слово order для указания поля, которое следует использовать при сортировке структурированного массива:

>>> dtype = [('name', 'S10'), ('height', float), ('age', int)]
>>> values = [('Arthur', 1.8, 41), ('Lancelot', 1.9, 38),
...           ('Galahad', 1.7, 38)]
>>> a = np.array(values, dtype=dtype)       # create a structured array
>>> np.sort(a, order='height')                        # doctest: +SKIP
array([('Galahad', 1.7, 38), ('Arthur', 1.8, 41),
       ('Lancelot', 1.8999999999999999, 38)],
      dtype=[('name', '|S10'), ('height', '<f8'), ('age', '<i4')])

Сортировать по возрасту, а затем по росту, если возраста равны:

>>> np.sort(a, order=['age', 'height'])               # doctest: +SKIP
array([('Galahad', 1.7, 38), ('Lancelot', 1.8999999999999999, 38),
       ('Arthur', 1.8, 41)],
      dtype=[('name', '|S10'), ('height', '<f8'), ('age', '<i4')])