numpy多級排序lexsort函數如何使用

本篇內容主要講解“numpy多級排序lexsort函數如何使用”，感興趣的朋友不妨來看看。本文介紹的方法操作簡單快捷，實用性強。下面就讓小編來帶大家學習“numpy多級排序lexsort函數如何使用”吧!

1、lexsort() 排的是個啥

 lexsort() 函數的定義如下：

def lexsort(keys, axis=None)

lexsort是一種多級排序方法。作用為對給定的 keys 中的最后一個 key 排序，每一個 key 都被認為是列向量，其他 keys 用來輔助最后一個 key 進行排序。最后返回最后一個 key 進行排序的索引。

哈哈哈是不是沒看懂上面的解釋？莫慌莫慌，我給舉個簡單的例子保證秒懂，可以回想這樣一個場景：

對一堆學生的成績進行排名，則排名結果就是按照總成績從低到高排序，這個還沒排序的總成績表就是上述說的最后一個 key ，排序后的索引就是上述的返回值。

比如初始總成績數組為：[99, 100, 98, 95, 80]  ，這就是 最后一個 key，升序排序后的數組為：[80, 95, 98, 99, 100]，對應的索引為：[4, 3, 2, 0, 1]，這個索引數組就是 lexsort 函數的返回值。

但是如果兩個人的總成績一樣怎么進一步排序呢？這時可以按照語文成績的升序進行排序，如果語文成績還一樣呢？那再看數學成績，如果數學還一樣呢？再查英語成績，如果還。。。（沒了沒了，再相同我就要懷疑這倆人作弊了！）這里的 語文成績、數學成績、英語成績 就是最后一個 key 前面的 keys，記得是從后往前數的。也就是最后一個 key 相同，就看倒數第二個 key，倒數第二個相同就看倒數第三個 key。

2、舉個例子

默認你已經理解了，那就舉一個例子來過一遍：

import numpy as np
a = [[3, 3, 8],
     [6, 9, 7],
     [3, 3, 2]]
b = np.array(a)  # 轉換為 numpy 數組
"""
index = np.lexsort((b[:, 2], b[:, 1], b[:, 0])) 的運行情況：
step-1、首先按照第一列 b[:, 0] 的數值 [3, 6, 3] 升序順序對每行的位置進行重排, 第一行有兩個值相同, 轉到step-2
            [[3, 3, 8],        [[3, 3, 8],
             [6, 9, 7],   -->   [3, 3, 2],   
             [3, 3, 2]]         [6, 9, 7]]
step-2、第一列數值相同的情況下按照相應位置第二列 b[:, 1] 的值繼續排序, 第二列對應位置任然相同, 轉到step-3
            [[3, 3, 8],        [[3, 3, 8],
             [6, 9, 7],   -->   [3, 3, 2],   
             [3, 3, 2]]         [6, 9, 7]]
step-3、第二列數值相同的情況下按照相應位置第三列 b[:, 2] 的值繼續排序
            [[3, 3, 8],        [[3, 3, 2],
             [6, 9, 7],   -->   [3, 3, 8],   
             [3, 3, 2]]         [6, 9, 7]]
總結: 第一列的排序結果為[3, 3, 6] 對應的索引值為 [2, 0, 1]
"""
index = np.lexsort((b[:, 2], b[:, 1], b[:, 0]))
print(index)  # 輸出結果: [2 0 1]
ans = b[index] # 按照排序結果重置數組元素的位置
print(ans)
# ans 的結果：
[[3 3 2]
 [3 3 8]
 [6 9 7]]

如果直接對矩陣進行排序呢？

"""
相當于拆解為
key1 = b[0,:]
key2 = b[1,:]
key3 = b[2,:]  # 最后一行為主排序序列
index = np.lexsort(b) 等效為: index = np.lexsort((b[0,:], b[1,:], b[2,:]))
"""
index = np.lexsort(b) 
print(index)  # 輸出結果: [2 0 1]

即，當輸入是一個矩陣時，默認排序最后一行的數據，前面的行都是輔助行。

到此，相信大家對“numpy多級排序lexsort函數如何使用”有了更深的了解，不妨來實際操作一番吧！這里是億速云網站，更多相關內容可以進入相關頻道進行查詢，關注我們，繼續學習！