### NumPy `numpy.sort()` 和 `arr.sort()` 的区别及用法 #### 定义与功能 `numpy.sort()` 是一个函数，用于返回排序后的新数组副本，而原始数组不受影响[^1]。另一方面，`arr.sort()` 是 NumPy 数组对象的一个方法，它会对原数组进行就地排序（in-place sorting），不创建新的数组。 以下是两者的主要差异： #### 返回值 - **`numpy.sort(array)`**: 返回一个新的已排序的数组副本，输入数组保持不变。 - **`array.sort()`**: 不返回任何新数组，而是直接修改原数组并对其进行排序。 #### 使用场景 当需要保留原始数据时，应使用 `numpy.sort()`；如果希望节省内存开销或者不需要保存未排序版本，则可以选择 `arr.sort()` 方法来操作原数组。 #### 参数支持 两种方式均接受类似的参数设置，比如指定沿哪个维度执行排序 (`axis`) 或者定义使用的排序算法类型(`kind`)等选项[^3]。但是需要注意的是，在某些特殊情况下如结构化数组中的字段排序上可能会存在细微差别[^4]。 #### 示例对比 ##### 单维数组排序 ```python import numpy as np # 创建简单的一维数组 arr = np.array([3, 1, 4, 2]) # 使用 numpy.sort() sorted_arr_np = np.sort(arr) print("通过 numpy.sort(): ", sorted_arr_np) # 输出: [1 2 3 4] # 查看原数组是否改变 print("原数组 arr: ", arr) # 输出: [3 1 4 2] # 使用 array.sort() arr.sort() print("通过 arr.sort(): ", arr) # 输出: [1 2 3 4] ``` ##### 多维数组排序 对于二维或多维数组而言，可以通过调整 `axis` 参数控制沿着哪一方向实施排列过程[^2]: ```python arr_2d = np.array([[8, 1, 6], [3, 5, 7]]) row_sorted_np = np.sort(arr_2d, axis=1) col_sorted_np = np.sort(arr_2d, axis=0) print("按行排序 (numpy.sort): \n", row_sorted_np) # 输出: # [[1 6 8] # [3 5 7]] print("按列排序 (numpy.sort): \n", col_sorted_np) # 输出: # [[3 1 6] # [8 5 7]] # 就地排序演示 arr_copy = arr_2d.copy() # 制作一份拷贝以防破坏初始矩阵 arr_copy.sort(axis=1) print("按行排序 (arr.sort()):\n", arr_copy) # 结果同上面基于 numpy.sort 实现的部分一致 ``` #### 稳定性和性能考量 选择不同的排序种类会影响最终效率以及稳定性特性。例如 merge-sort 和 heap-sort 提供稳定的表现但速度较慢；quick-sort 更快但在特定条件下可能导致最坏情形下的时间复杂度增加至 O(n²)[^5]。 --- ### 问题