### NumPy 中的两种排序方式 NumPy 提供了多种排序方法，其中最常见的两种是 **`np.sort`** 和 **`np.argsort`**。这两种方法分别用于直接排序以及返回排序后的索引。 #### 方法一：`np.sort` `np.sort` 是一种直接对数组进行排序的方法，可以沿指定轴或者整个数组进行排序。默认情况下，它使用的是快速排序算法[^2]。 以下是 `np.sort` 的简单示例： ```python import numpy as np arr = np.array([3, 1, 4, 2, 5]) sorted_arr = np.sort(arr) print(sorted_arr) # 输出: [1 2 3 4 5] ``` 如果需要按特定维度排序，则可以通过设置参数 `axis` 来实现。例如对于二维数组： ```python matrix = np.array([[3, 1], [4, 2]]) sorted_matrix_axis_0 = np.sort(matrix, axis=0) sorted_matrix_axis_1 = np.sort(matrix, axis=1) print(sorted_matrix_axis_0) # 按列排序 # 输出: # [[3 1] # [4 2]] print(sorted_matrix_axis_1) # 按行排序 # 输出: # [[1 3] # [2 4]] ``` --- #### 方法二：`np.argsort` `np.argsort` 返回的是排序后对应的原始索引位置，而不是实际排序后的数值。这在某些场景下非常有用，比如当需要保留原数据结构的同时又想知道其排序关系时。 下面是 `np.argsort` 的一个例子： ```python import numpy as np arr = np.array([3, 1, 4, 2, 5]) indices = np.argsort(arr) print(indices) # 输出: [1 3 0 2 4] # 如果要通过索引来获得排序后的数组 sorted_arr_by_indices = arr[indices] print(sorted_arr_by_indices) # 输出: [1 2 3 4 5] ``` 同样地，在多维数组中也可以应用此方法： ```python matrix = np.array([[3, 1], [4, 2]]) # 获取每行列的排序索引 row_indices = np.argsort(matrix, axis=1) print(row_indices) # 输出: # [[1 0] # [1 0]] # 利用这些索引重新排列矩阵中的元素 sorted_rows = np.take_along_axis(matrix, row_indices, axis=1) print(sorted_rows) # 输出: # [[1 3] # [2 4]] ``` --- ### 结合其他功能的应用实例 除了上述基本用法外，还可以结合广播机制完成更复杂的操作。例如寻找最近邻点的任务可以用到 `argsort` 函数来计算距离并排序[^5]。 ```python import numpy as np np.random.seed(0) X = np.random.rand(10, 2) # 创建一组随机点 distances = np.sqrt(((X[:, np.newaxis, :] - X[np.newaxis, :, :]) ** 2).sum(axis=-1)) nearest_neighbors = np.argsort(distances, axis=1)[:, 1:3] # 找到每个点最接近的前两个邻居 print(nearest_neighbors) ``` ---