Introduction
Le tri est un processus où les éléments d'un tableau sont disposés dans une séquence ordonnée selon les critères donnés. Dans la bibliothèque NumPy, il existe diverses fonctions disponibles qui effectuent des opérations de tri basées sur différents algorithmes de tri tels que le tri rapide, le tri par tas et le tri fusion. Dans ce laboratoire, nous allons apprendre à trier les ndarrays dans NumPy à l'aide de différents algorithmes de tri.
Conseils sur la machine virtuelle
Une fois le démarrage de la machine virtuelle terminé, cliquez dans le coin supérieur gauche pour basculer vers l'onglet Carnet de notes pour accéder au carnet Jupyter pour pratiquer.
Parfois, vous devrez peut-être attendre quelques secondes pour que le carnet Jupyter ait fini de charger. La validation des opérations ne peut pas être automatisée en raison des limites du carnet Jupyter.
Si vous rencontrez des problèmes pendant l'apprentissage, n'hésitez pas à demander à Labby. Donnez votre feedback après la session, et nous résoudrons rapidement le problème pour vous.
Importer la bibliothèque NumPy
Dans cette étape, nous allons importer la bibliothèque NumPy, qui est nécessaire pour effectuer les opérations de tri.
import numpy as np
Trier le long d'un axe
Dans cette étape, nous allons trier les éléments d'un tableau selon un axe particulier. Pour trier un tableau, nous allons utiliser la fonction sort() de NumPy.
a = np.array([[17, 15], [10, 25]])
arr1 = np.sort(a, axis = 0)
print("Triage le long du premier axe : \n")
print(arr1)
Trier le long du dernier axe
Dans cette étape, nous allons trier un tableau en fonction du dernier axe.
b = np.array([[1, 15], [20, 18]])
arr2 = np.sort(b, axis = -1)
print("\nTriage le long du dernier axe : \n")
print(arr2)
Trier le long de l'axe None
Dans cette étape, nous allons trier les éléments d'un tableau le long de l'axe None, où le tableau est aplati avant le tri.
c = np.array([[12, 15], [10, 1]])
arr3 = np.sort(c, axis = None)
print("\nTriage le long de l'axe None : \n")
print(arr3)
Trier un tableau en utilisant des champs
Dans cette étape, nous allons trier un tableau en utilisant des champs.
d = np.dtype([('name', 'S10'),('marks',int)])
arr = np.array([('Mukesh',200),('John',251)],dtype = d)
print("Tri des données ordonnées par nom")
print(np.sort(arr,order = 'name'))
Résumé
Dans ce laboratoire, nous avons appris à trier dans la bibliothèque NumPy. Nous avons également appris à connaître la fonction numpy.sort() et sa syntaxe, ses paramètres et les valeurs renvoyées. En utilisant différents paramètres de la fonction numpy.sort(), nous avons trié les éléments d'un tableau le long de différents axes et champs.