Python数据分析之numpy（四）

今天主要来看下numpy中的排序功能。

1 排序

先来看一个例子：

np.sort可将数组排序，并不改变原有数组：

如果想将原数组变成排序后的数组，可以使用sort方法：

还有一个函数为argsort，它返回数组排序完成后的索引（并不是原数组对应的顺序）：

注意，我们得到的是关于原数组对应排序完成后的索引，要得到排序后的新数组，只需：

2 广播

实际上，numpy的广播机制我们在之前的例子中就有所应用，那么什么是广播呢？我们来看个例子：

上图中y是一个数组，我们可以把它看成向量，而5是标量。按常理，向量和标量是不能相加的。但在numpy的机制中，y+5这个运算实际上把标量5扩展为向量数组[5,5,5]，然后再和y中的每个元素相加，这个机制就叫做广播。

广播也是有一些规则的：

A.两个数组的维度不同，较小维度的数组在左边补1。

B.两个数组在任一维度都不匹配，维度为1的数组会自动扩展，以匹配另一个数组的形状。

C.两个数组在任一维度都不匹配，且没有维度为1，那么将会报错。

我们来举一些例子来理解上面的3个规则：

上图中，m为2*3数组，n为1维数组，即：

当我们进行m+n运算时，n的维度较小，所以左边补1，形状变为（1,3）。此时，m和n的第一个维度不匹配，所以维度为1的n数组扩展为（2,3），m+n即可进行运算：

再来看一个报错的例子：

现在有一个一维数组p，如果运行m+p，会发生什么情况呢？首先，p的维度较低，左边补1，扩展为（1,2）。然后，维度为1的数组再进行扩展，为（2,2）。而m的形状为（2,3），仍然不能匹配，所以会报错，无法进行计算：

numpy的介绍就到此为止了，之后会带来数据处理中经常使用的包——pandas，敬请期待。