numpy.ma.masked_array.sort

метод

masked_array.sort(self, axis=-1, kind=None, order=None, endwith=True, fill_value=None) [source]

Сортировка массива на месте

Параметры

aarray_like

Массив для сортировки.

axisint, optional

Ось, по которой будет проводиться сортировка. Если None, массив сжимается в одномерный перед сортировкой. По умолчанию -1, что сортирует по последней оси.

kind{‘quicksort’, ‘mergesort’, ‘heapsort’, ‘stable’}, optional

Алгоритм сортировки.

orderlist, optional

Когда a является структурированным массивом, этот аргумент указывает, какие поля сравнивать в первую, вторую и т.д. очередь. Этот список не обязательно должен включать все поля.

endwith{True, False}, optional

Нужно ли рассматривать пропущенные значения (если таковые имеются) как наибольшие (True) или наименьшие (False). Если в массиве есть значения без масок, совпадающие с крайними значениями типа данных, порядок этих значений и значений с масками не определен.

fill_value{var}, optional

Значение, используемое внутри для значений с масками. Если fill_value не равно None, оно имеет приоритет перед endwith.

Возвращает

sorted_arrayndarray

Массив того же типа и формы, что и a.

См. также

numpy.ndarray.sort

Метод сортировки массива на месте.

argsort

Непрямая сортировка.

lexsort

Непрямая устойчивая сортировка по нескольким ключам.

searchsorted

Поиск элементов в отсортированном массиве.

Примечания

См. sort для заметок по различным алгоритмам сортировки.

Примеры

>>> a = np.ma.array([1, 2, 5, 4, 3],mask=[0, 1, 0, 1, 0])
>>> # Default
>>> a.sort()
>>> a
masked_array(data=[1, 3, 5, --, --],
             mask=[False, False, False,  True,  True],
       fill_value=999999)

>>> a = np.ma.array([1, 2, 5, 4, 3],mask=[0, 1, 0, 1, 0])
>>> # Put missing values in the front
>>> a.sort(endwith=False)
>>> a
masked_array(data=[--, --, 1, 3, 5],
             mask=[ True,  True, False, False, False],
       fill_value=999999)

>>> a = np.ma.array([1, 2, 5, 4, 3],mask=[0, 1, 0, 1, 0])
>>> # fill_value takes over endwith
>>> a.sort(endwith=False, fill_value=3)
>>> a
masked_array(data=[1, --, --, 3, 5],
             mask=[False,  True,  True, False, False],
       fill_value=999999)