[NumPy] sorting: 정렬

Numpy에서 지원하는 sorting method(or function)은

Numpy의 특성상 같은 데이터타입의 array이므로,

Python에서 제공하는 built-in function들보다 효율성이 높음.

---

copy based sorting

컴퓨팅 자원이 충분하다면, 개인적으로 아래와 같이 copy를 반환하는 게 가장 편하다.

import numpy as np  

x = np.array([3,4,1,2,5,7,6])  
y = np.sort(x) # return a sorted copy of x  
print(y)

결과는 다음과 같음.

[1 2 3 4 5 6 7]  

---

역순 정렬은 다음과 같이 처리

import numpy as np  

x = np.array([3,4,1,2,5,7,6])  
y = np.sort(x)[::-1]  
print(y)

결과는 다음과 같음.

[7 6 5 4 3 2 1]  

---

In-place sorting: view를 이용한

하지만, NumPy의 경우 큰 크기의 array를 다루어야 하므로
in-place 처리가 나을 수도 있음.

import numpy as np  

x = np.array([3,4,1,2,5,7,6])  
y = x.sort() # in-place sort. it returns None (y=None)  
print(y)

 

여기서, y는 None이며, 실제 x가 정렬이 됨.

[1 2 3 4 5 6 7]  

---

역순정렬은 다음과 같음.

import numpy as np  

x = np.array([3,4,1,2,5,7,6])  
x[::-1].sort()  
print(x)

결과는 다음과 같음.

[7 6 5 4 3 2 1]  

---

index 관련 정렬

실제 sort의 결과를 index로 처리하도록 해주는 argsort의 활용도 자주 있으므로 익혀두는게 좋음.

(argmax처럼 index에 대한 처리임.)

import numpy as np  

x = np.array([3,4,1,2,5,7,6])  
idx = x.argsort() # it will be used by fancy indexing  
print(idx)

 

idx는 다음과 같이 정렬(sorting)이 x의 index로 결과가 나옴. 인덱스가 2에서 가장 작은 값인 1을 가지므로, 2가 가장 앞에 위치함.

[2 3 0 1 4 6 5]  

---

fancy indexing과 같이 sorting된 index의 array를 다음과 같이 사용됨.

print(x[idx])

결과는 다음과 같음.

[1 2 3 4 5 6]  

---

역순으로 정렬하는 것은 다음과 같음.

import numpy as np  

x = np.array([3,4,1,2,5,7,6])  
y = np.argsort(x)[::-1]  
print(y)

 

결과는 다음과 같음

[5 6 4 1 0 3 2]  

---

같이보면 좋은 자료들

https://ds31x.tistory.com/344

[Summary] NumPy(Numerical Python)