numpy数组排序及其结构化数组头歌

### Numpy 数组排序方法 NumPy 提供了多种用于数组排序的功能。`numpy.sort()` 是最常用的函数之一，它可以沿指定轴对数组进行排序[^1]。 #### 基础排序 以下是 `numpy.sort()` 函数的一个简单例子： ```python import numpy as np arr = np.array([3, 1, 2]) sorted_arr = np.sort(arr) print(sorted_arr) # 输出：[1 2 3] ``` 此函数默认按升序排列，并返回一个新的已排序数组而不改变原始数组[^1]。 #### 沿不同轴排序 对于二维或多维数组，可以指定沿着哪个轴进行排序： ```python arr_2d = np.array([[4, 2], [1, 3]]) sorted_along_axis0 = np.sort(arr_2d, axis=0) sorted_along_axis1 = np.sort(arr_2d, axis=1) print(sorted_along_axis0) # 输出：[[1 2] [4 3]] print(sorted_along_axis1) # 输出：[[2 4] [1 3]] ``` 如果希望展平整个数组后再排序，则可以通过设置参数 `axis=None` 实现： ```python flattened_sorted = np.sort(arr_2d, axis=None) print(flattened_sorted) # 输出：[1 2 3 4] ``` --- ### 结构化数组详解 结构化数组允许定义具有复杂数据类型的数组，类似于数据库表中的记录。通过使用字段名称访问不同的列，这使得处理混合类型的数据更加方便[^3]。 #### 创建结构化数组 下面是一个创建和操作结构化数组的例子： ```python dtype = [('name', 'U10'), ('age', int), ('height', float)] structured_array = np.array([('Alice', 25, 1.75), ('Bob', 30, 1.8)], dtype=dtype) print(structured_array['name']) # 输出：['Alice' 'Bob'] print(structured_array['age']) # 输出：[25 30] print(structured_array['height']) # 输出：[1.75 1.8 ] ``` 在此示例中，我们定义了一个包含三个字段 (`name`, `age`, 和 `height`) 的结构化数组。每个字段都有自己的数据类型[^2]。 #### 对结构化数组排序 要基于某个特定字段对结构化数组进行排序，可传递该字段名给 `order` 参数： ```python sorted_by_age = np.sort(structured_array, order='age') print(sorted_by_age[['name']]) # 输出：['Alice' 'Bob'] sorted_by_height_desc = structured_array[np.argsort(-structured_array['height'])] print(sorted_by_height_desc[['name']]) # 输出：['Bob' 'Alice'] ``` 这里展示了两种方式来实现排序：一种是直接利用 `np.sort()` 并指定顺序；另一种则是借助于 `argsort()` 来获取索引位置再重新排列数组[^2]。 ---