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 нужно сортировать. Если None, массив сглаживается перед сортировкой. По умолчанию -1, что сортирует по последней оси.

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

Алгоритм сортировки. По умолчанию ‘quicksort’. Обратите внимание, что оба ‘stable’ и ‘mergesort’ используют timsort или radix sort под капотом, и, как правило, фактическая реализация будет различаться в зависимости от типа данных. Вариант ‘mergesort’ сохранён для обратной совместимости.

Изменено в версии 1.15.0.: Добавлен вариант ‘stable’.

orderstr or list of str, optional

Когда a является массивом с определёнными полями, этот аргумент указывает, какие поля сравнивать сначала, потом и т. д. Одно поле можно указать в виде строки, и не все поля должны быть указаны, но неуказанные поля всё равно будут использоваться в том порядке, в котором они появляются в dtype, чтобы разбить ничьи.

Возвращает

sorted_arrayndarray

Массив того же типа и формы, что и a.

См. также

ndarray.sort

Метод для сортировки массива на месте.

argsort

Неявная сортировка.

lexsort

Неявная стабильная сортировка по нескольким ключам.

searchsorted

Поиск элементов в отсортированном массиве.

partition

Частичная сортировка.

Примечания

Различные алгоритмы сортировки характеризуются своей средней скоростью, производительностью в худшем случае, 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	speed	worst case	work space	stable
‘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 делают 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 является лексикографическим. Если и действительная, и мнимая части не являются NaN, то порядок определяется действительными частями, за исключением случаев, когда они равны, в этом случае порядок определяется мнимыми частями.

До 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 — вещественное значение, не являющееся NaN. Комплексные значения с одинаковыми расположениями NaN сортируются в соответствии с не-NaN частью, если она существует. Не-NaN значения сортируются как и прежде.

Введено в версии 1.12.0.

quicksort был изменён на introsort. Когда сортировка не делает достаточного 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. В настоящее время совместимость API API ограничивает возможность выбора реализации, и она жёстко задана для разных типов данных.

Введено в версии 1.17.0.

Timsort добавляется для повышения производительности на уже или почти отсортированных данных. На случайных данных timsort практически идентичен mergesort. Теперь он используется для стабильной сортировки, а quicksort по-прежнему является стандартной сортировкой, если не выбрано другое.

Изменено в версии 1.18.0.

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 нужно 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, 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')])