简单介绍
NumPy系统是Python的一种开源的数组计算扩展。这种工具可用来存储和处理大型矩阵，比Python自身的嵌套列表（nested list structure)结构要高效的多（该结构也可以用来表示矩阵（matrix））。
创建数组
创建1维数组：
data = np.array([1,3,4,8])
查看数组维度
data.shape
查看数组类型
data.dtype
通过索引获取或修改数组元素
data[1] 获取元素
data[1] = 'a' 修改元素
创建二维数组
data = np.array([[1,2,3],[4,5,6]]) 两个元素均为列表<br>2.data = np.arange(10) 与python的range一样，range返回列表，arange返回array类型的一个数组<br>3.data2 = data.reshape(2,5) 返回一个2*5的数组，他不是拷贝数组是引用，只是返回数组的不同视图，data改变data2也会改变
创建特殊数组
data = np.zeros((2,2)) 创建2*2全为0的2维数组
data = np.ones((2,3,3,)) 创建全为1的三维数组
data = np.eye(4) 创建4*4的对角数组，对角元素为1，其它都为0
数组转换
data = np.arange(16).reshape(4,4) 将0-16的移位数组转换为4*4的数组
排序方式
说明：经常需要对数组或者list进行排序，python提供了好几种排序的函数，下面说明下特点；
二维数组a：
1 4 3 1
1、ndarray.sort(axis=-1,kind='quicksort',order=None)
使用方法：a.sort
参数说明：
axis：排序沿着数组的方向，0表示按行，1表示按列
kind：排序的算法，提供了快排、混排、堆排
order：不是指的顺序，以后用的时候再去分析这个
作用效果：对数组a排序，排序后直接改变了a
例如：
>>a.sort(axis=1) >>print a
1 4 1 3
2、numpy.sort(a,axis=-1,kind='quicksort',order=None)
使用方法：numpy.sort(a)
参数说明：
a：要排序的数组，其他同1
作用效果：对数组a排序，返回一个排序后的数组（与a相同维度），a不变
例如：
>>print numpy.sort(a,axis=1) 1 4 1 3 >>print a 1 4 3 1
3、numpy.argsort(a,axis=-1,kind='quicksort',order=None)
使用方法：numpy.argsort(a)
参数说明：同2
作用效果：对数组a排序，返回一个排序后索引，a不变
例如：
>>print numpy.argsort(a,axis=1) 0 1 1 0
4、sorted(iterable,cmp=None,key=None,reverse=False)
说明：内置的排序函数，对list，字典等等可以使用
iterable：是可迭代类型;
cmp：用于比较的函数，比较什么由key决定,有默认值，迭代集合中的一项;
key：用列表元素的某个属性和函数进行作为关键字，有默认值，迭代集合中的一项;
reverse：排序规则.reverse=True或者reverse=False，默认False（从小到大）。
返回值：是一个经过排序的可迭代类型，与iterable一样;
例如：b是一个字典
b：
{'a':2,'c':1,'b':3}
对b进行排序：
>>c=sorted(b.iteritems(),key=operator.itemgetter(1),reverse=False)
>>print c[('c', 1), ('a', 2), ('b', 3)]
可见：返回的是一个list
总结
以上就是本文关于浅谈numpy数组的几种排序方式的全部内容，希望对大家有所帮助。感兴趣的朋友可以继续参阅本站其他相关专题，如有不足之处，欢迎留言指出。感谢朋友们对本站的支持！
