<\/p>\n
Sie k\u00f6nnen eine der folgenden Methoden verwenden, um die Reihenfolge der Elemente in einem NumPy-Array zu berechnen:<\/span><\/p>\n Methode 1: Verwenden Sie argsort() von NumPy<\/strong><\/span><\/p>\n Methode 2: Verwenden Sie SciPys Rankdata()<\/strong><\/span><\/p>\n Die folgenden Beispiele zeigen, wie jede Methode in der Praxis mit dem folgenden NumPy-Array verwendet wird:<\/span><\/p>\n Der folgende Code zeigt, wie man die argsort()<\/strong> -Funktion von NumPy zum Sortieren von Array-Elementen verwendet:<\/span><\/p>\n Die Ergebnisse zeigen den Rang jedes Elements im urspr\u00fcnglichen Array, wobei 0<\/strong> den niedrigsten Wert darstellt.<\/span><\/span><\/p>\n Der Vorteil dieses Ansatzes besteht darin, dass Sie keine zus\u00e4tzlichen Module laden m\u00fcssen. Der Nachteil besteht jedoch darin, dass argsort()<\/strong> nur eine Methode zur Verarbeitung von Links hat.<\/span><\/p>\n Standardm\u00e4\u00dfig verwendet argsort()<\/strong> eine Ordinalmethode zur Verarbeitung von Links, was bedeutet, dass der verkn\u00fcpfte Wert, der zuerst erscheint, automatisch den niedrigeren Rang erh\u00e4lt.<\/span><\/p>\n Der folgende Code zeigt, wie Sie die Rankdata()<\/strong> -Funktion von SciPy verwenden, um Array-Elemente in eine Rangfolge zu bringen:<\/span><\/p>\n Die Ergebnisse zeigen den Rang jedes Elements im urspr\u00fcnglichen Array, wobei 1<\/strong> den kleinsten Wert darstellt.<\/span><\/p>\n Wenn 0<\/strong> den kleinsten Wert darstellen soll, subtrahieren Sie einfach 1 von jedem Wert:<\/span><\/p>\n Standardm\u00e4\u00dfig weist die Funktion Rankdata()<\/strong> allen Werten mit Gleichstand durchschnittliche R\u00e4nge zu.<\/span><\/span><\/p>\n Sie k\u00f6nnen das Methodenargument jedoch verwenden, um Links auf andere Weise zu behandeln.<\/span><\/p>\n Der folgende Code zeigt beispielsweise, wie Ordinalzahlen<\/strong> als Linkverwaltungsmethode verwendet werden:<\/span><\/p>\n Dies f\u00fchrt zu denselben Ergebnissen wie die argsort()<\/strong> -Methode von NumPy.<\/span><\/p>\n Zu den weiteren Linkverwaltungsmethoden geh\u00f6ren \u201eMin\u201c<\/strong> , \u201eMax<\/strong> \u201c und \u201eDense\u201c<\/strong> .<\/span><\/p>\n Erfahren Sie mehr \u00fcber die einzelnen Methoden in der SciPy-Dokumentation<\/a> .<\/span><\/p>\n Die folgenden Tutorials erkl\u00e4ren, wie Sie andere h\u00e4ufige Aufgaben in NumPy ausf\u00fchren:<\/span><\/p>\n So entfernen Sie doppelte Elemente aus dem NumPy-Array<\/a> Sie k\u00f6nnen eine der folgenden Methoden verwenden, um die Reihenfolge der Elemente in einem NumPy-Array zu berechnen: Methode 1: Verwenden Sie argsort() von NumPy import numpy as np ranks = np. array (my_array). argsort (). argsort () Methode 2: Verwenden Sie SciPys Rankdata() from scipy. stats import rankdata ranks = rankdata(my_array) Die folgenden Beispiele zeigen, […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"yoast_head":"\n import<\/span> numpy as<\/span> np\n\nranks = np. array<\/span> (my_array). argsort<\/span> (). argsort<\/span> ()\n<\/strong><\/span><\/pre>\n from<\/span> scipy. stats<\/span> import<\/span> rankdata\n\nranks = rankdata(my_array)\n<\/b><\/span><\/pre>\n import<\/span> numpy as<\/span> np\n\n#define array of values\n<\/span>my_array = np. array<\/span> ([3, 5, 2, 1, 9, 9])\n\n#view array\n<\/span>print<\/span> (my_array)\n\n[3 5 2 1 9 9]<\/b><\/span><\/pre>\n Beispiel 1: Elemente im NumPy-Array mit argsort() sortieren<\/span><\/strong><\/h2>\n
#calculate rank of each item in array\n<\/span>ranks = np. array<\/span> (my_array). argsort<\/span> (). argsort<\/span> ()\n\n#view ranks\n<\/span>print<\/span> (ranks)\n\n[2 3 1 0 4 5]\n<\/strong><\/span><\/pre>\n Beispiel 2: Elemente im NumPy-Array mit Rankdata() einordnen<\/span><\/strong><\/h2>\n
from<\/span> scipy. stats<\/span> import<\/span> rankdata<\/b><\/span>\n\n#calculate rank of each item in array\n<\/span>ranks = rankdata(my_array)<\/b>\n\n#view ranks\n<\/span>print<\/span> (ranks)\n\narray([3. , 4. , 2. , 1. , 5.5, 5.5])\n<\/strong><\/span><\/pre>\n from<\/span> scipy. stats<\/span> import<\/span> rankdata<\/b>\n<\/span>\n#calculate rank of each item in array\n<\/span>ranks = rankdata(my_array) - 1\n\n#view ranks\n<\/span>print<\/span> (ranks)\n\n[2. 3. 1. 0. 4.5 4.5]<\/strong><\/span><\/pre>\n from<\/span> scipy. stats<\/span> import<\/span> rankdata<\/b>\n\n#calculate rank of each item in array\n<\/span>ranks = rankdata(my_array, method=' ordinal<\/span> ') - 1\n\n#view ranks\n<\/span>print<\/span> (ranks)\n\n[2 3 1 0 4 5]\n<\/strong><\/span><\/pre>\n Zus\u00e4tzliche Ressourcen<\/strong><\/span><\/h2>\n
So konvertieren Sie ein NumPy-Array von Floats in Ganzzahlen<\/a>
So konvertieren Sie eine NumPy-Matrix in ein Array<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"