# 2.2.5：排序和条件筛选

## numpy中的快速排序

`numpy`中的排序相对 Python 的更加高效，默认情况下`np.sort`的排序算法是**快速排序**，也可以选择**归并排序**和**堆排序**。

| 类型  |速度   |最坏情况   |工作空间   |稳定性   |
| :------------: | :------------: | :------------: | :------------: | :------------: |
| 快速排序  |`1`   | `O(n^2)`  | `0`  |否   |
| 归并排序  |`2`   |`O(n*log(n))`   |`~n/2`   |是   |
| 堆排序 |`3`|`O(n*log(n))`|`0`|否|

- `np.sort()`函数返回排序后的数组副本，**只能是升序**。

```python
 a=np.array([5,9,1,15,3,10])

 np.sort(a) #升序排序
 '''
 输出：array([ 1,  3,  5,  9, 10, 15])
 '''
```

- `np.argsort()`函数返回排序后数组值从小到大的索引，可以通过这些索引值创建**有序**的**数组**。

```python
a=np.array([4,5,9,1,3])

b=np.argsort(a) #对a使用argsort函数

print(b)
'''
输出：array([3, 4, 0, 1, 2], dtype=int64)
第一个数是最小的值的索引，第二个数是第二小的值的索引,以此类推
'''

b1=[]
for i in b: #循环获取索引对应的值
    b1.append(a[i])
print(b1)
'''
输出:[1, 3, 4, 5, 9]
'''
```

- 沿行或列进行排序，通过`axis`参数实现对数组的行、列进行排序，这种处理是将行或列当作独立的数组，任何行或列的值之间的关系将会丢失。

```python
a=np.array([[8,1,5,9],[5,4,9,6],[7,1,5,3]])

np.sort(a,axis=1) #沿行排序
'''
输出：array([[1, 5, 8, 9],
            [4, 5, 6, 9],
            [1, 3, 5, 7]])
'''

np.sort(a,axis=0) #沿列排序
'''
输出:array([[5, 1, 5, 3],
           [7, 1, 5, 6],
           [8, 4, 9, 9]])
'''
```

- `np.partition()`函数为给定一个数，对数组进行分区，区间中的元素任意排序。

```python
a=np.array([8,9,2,3,1,6,4])

np.partition(a,5) #比5小的在左边，比5大的在右边
'''
输出:array([1, 3, 2, 4, 6, 8, 9])
'''
```

其他排序函数：

|  函数 |描述   |
| :------------: | :------------: |
| `msort()`  |数组按第一个轴排序，返回排序后的数组副本   |
| `sort_complex()`  |对复数按先实部后虚部的顺序进行排序   |
| `argpartition()` |通过关键字指定算法沿指定轴进行分区|


## where函数

- `np.where()` 函数返回输入数组中满足给定条件的元素的索引，可以利用该函数进行 **条件筛选**。

```python
a=np.array([19,5,16,22,17])

np.where(a>15) #应用where函数
'''
输出：(array([0, 2, 3, 4], dtype=int64),)
'''

a[np.where(a>15)] #获取满足条件索引的元素

'''
输出:array([19, 16, 22, 17])
'''
```