numpy.sort

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

Возвращает отсортированную копию массива.

Параметры

aarray_like

Массив, который нужно отсортировать.

axisint or None, optional

Ось, по которой необходимо выполнить сортировку. Если None, массив сжимается перед сортировкой. 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 в качестве подхода и, как правило, фактическая реализация будет варьироваться в зависимости от типа данных. Опция ‘mergesort’ сохраняется для обратной совместимости.

Изменено в версии 1.15.0.: Добавлена опция ‘stable’.

orderstr or list of str, optional

Когда a представляет собой массив с определёнными полями, этот параметр указывает, какие поля сравнивать в первую, вторую и т.д. очередь. Одно поле может быть задано как строка, и не все поля обязательно должны быть указаны, но неуказанные поля всё равно будут использоваться в том порядке, в котором они появляются в dtype, для разбиения ничьих.

Возвращает

sorted_arrayndarray

Массив того же типа и формы, что и a.

См. также

ndarray.sort

Метод для сортировки массива на месте.

argsort

Косвенная сортировка.

lexsort

Косвенная стабильная сортировка по нескольким ключам.

searchsorted

Поиск элементов в отсортированном массиве.

partition

Частичная сортировка.

Заметки

Различные алгоритмы сортировки характеризуются своей 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, обладают следующими свойствами:

kind	скорость	худший 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’. Пользовательский выбор 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 использует меньше памяти, чем сортировка по любой другой оси.

Порядок сортировки для комплексных чисел — лексикографический. Если и действительная, и мнимая части не являются nan, то порядок определяется действительными частями, за исключением случаев равенства, в которых порядок определяется мнимыми частями.

До версии numpy 1.4.0 сортировка вещественных и комплексных массивов, содержащих значения nan, приводила к неопределённому поведению. В версиях numpy >= 1.4.0 значения nan сортируются в конец.

Расширенный порядок сортировки:

• Вещественный: [R, nan]
• Комплексный: [R + Rj, R + nanj, nan + Rj, nan + nanj]

где R — не являющееся nan вещественное значение. Комплексные значения с теми же расположениями nan сортируются в соответствии с не являющейся nan частью, если она существует. Не являющиеся nan значения сортируются как и прежде.

Новое в версии 1.12.0.

quicksort был изменён на introsort. Когда сортировка не делает достаточно прогресса, она переключается на heapsort. Эта реализация делает quicksort O(n*log(n)) в худшем случае.

‘stable’ автоматически выбирает лучший стабильный алгоритм сортировки для типа данных, который сортируется. Он, наряду с ‘mergesort’, в настоящее время отображается на timsort или radix sort в зависимости от типа данных. Совместимость API с предыдущими версиями в настоящее время ограничивает возможность выбора реализации, и она жёстко задана для различных типов данных.

Новое в версии 1.17.0.

Timsort добавлен для повышения производительности на уже отсортированных или почти отсортированных данных. На случайных данных timsort почти идентичен mergesort. Он теперь используется для стабильной сортировки, в то время как quicksort по-прежнему является алгоритмом сортировки по умолчанию, если не выбран другой.

Изменено в версии 1.17.0.

NaT теперь сортируется в конец массивов для согласованности с NaN.

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 необходимо 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')                        
array([('Galahad', 1.7, 38), ('Arthur', 1.8, 41),
       ('Lancelot', 1.8999999999999999, 38)],
      dtype=[('name', '|S10'), ('height', '<f8'), ('age', '<i4')])

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

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