### NumPy 中 `sort` 函数的使用 #### 基本语法 `numpy.sort(a, axis=-1, kind=None, order=None)` 是 NumPy 提供的一个用于对数组进行排序的功能强大而灵活的方法[^4]。 - **参数解释** - `a`: 需要被排序的一维或多维数组。 - `axis`: 排序沿着哪个轴执行；对于二维矩阵来说，`axis=0` 表示按列排序，`axis=1` 则表示按行排序。默认值 `-1` 意味着按照最后一条轴来处理数据。 - `kind`: 可选参数指定了使用的具体排序算法，比如 `'quicksort'`, `'mergesort'`, 或者 `'heapsort'`。不同的算法可能会影响性能表现以及稳定性。 - `order`: 如果输入的是结构化类型的数组，则可以通过这个选项指定依据哪些字段来进行排序。 #### 实际案例展示 下面通过几个具体的例子说明如何利用这些特性： ##### 对一维数组进行简单排序 ```python import numpy as np # 创建一个随机整数构成的一维数组 one_d_array = np.random.randint(0, 100, size=(8,)) print("原始一维数组:", one_d_array) sorted_one_d = np.sort(one_d_array) print("\n经过np.sort()后的结果:\n", sorted_one_d) ``` ##### 多维数组的不同维度上的排序 ```python two_d_matrix = np.array([[9, 5, 3], [6, 2, 7], [4, 8, 1]]) print("初始多维数组:") print(two_d_matrix) # 默认行为是对每一列单独排序（因为最后一维是各自行） default_sorted_two_d = np.sort(two_d_matrix) print("\ndefault (last dimension):") print(default_sorted_two_d) # 明确设置为沿第一个维度（即每列）排序 column_wise_sorted = np.sort(two_d_matrix, axis=0) print("\ncolumn-wise sorting:") print(column_wise_sorted) # 设置为沿第二个维度（即各行内部）排序 row_wise_sorted = np.sort(two_d_matrix, axis=1) print("\nrow-wise sorting:") print(row_wise_sorted) ``` ##### 使用不同种类的排序算法 ```python data_to_sort = np.array([5, 2, 8, 4]) quick_sorted_data = np.sort(data_to_sort, kind='quicksort') merge_sorted_data = np.sort(data_to_sort, kind='mergesort') print(f"\nQuick Sort Result: {quick_sorted_data}") print(f"Merge Sort Result: {merge_sorted_data}\n") # 注意到即使选择了不同的排序方式，在大多数情况下得到的结果都是相同的， # 这是因为这里的数据量较小且不重复。但在实际应用场景下可能会有所不同。 ```