<\/p>\n
\u00c8 possibile utilizzare uno dei seguenti metodi per calcolare l’ordinamento degli elementi in un array NumPy:<\/span><\/p>\n Metodo 1: utilizzare argsort() da NumPy<\/strong><\/span><\/p>\n Metodo 2: utilizzare Rankdata() di SciPy<\/strong><\/span><\/p>\n I seguenti esempi mostrano come utilizzare ciascun metodo nella pratica con il seguente array NumPy:<\/span><\/p>\n Il codice seguente mostra come utilizzare la funzione argsort()<\/strong> di NumPy per ordinare gli elementi dell’array:<\/span><\/p>\n I risultati mostrano il rango di ciascun elemento nell’array originale, dove 0<\/strong> rappresenta il valore pi\u00f9 basso.<\/span><\/span><\/p>\n Il vantaggio di questo approccio \u00e8 che non \u00e8 necessario caricare moduli aggiuntivi, ma lo svantaggio \u00e8 che argsort()<\/strong> ha un solo metodo per gestire i collegamenti.<\/span><\/p>\n Per impostazione predefinita, argsort()<\/strong> utilizza un metodo ordinale per gestire i collegamenti, il che significa che al valore collegato che appare per primo viene automaticamente assegnato il rango inferiore.<\/span><\/p>\n Il codice seguente mostra come utilizzare la funzione Rankdata()<\/strong> di SciPy per classificare gli elementi dell’array:<\/span><\/p>\n I risultati mostrano il rango di ciascun elemento nell’array originale, dove 1<\/strong> rappresenta il valore pi\u00f9 piccolo.<\/span><\/p>\n Se vuoi che 0<\/strong> rappresenti il valore pi\u00f9 piccolo, sottrai semplicemente 1 da ciascun valore:<\/span><\/p>\n Per impostazione predefinita, la funzione Rankdata()<\/strong> assegna ranghi medi a tutti i valori con legami.<\/span><\/span><\/p>\n Tuttavia, puoi utilizzare l’argomento metodo per gestire i collegamenti in un modo diverso.<\/span><\/p>\n Ad esempio, il codice seguente mostra come utilizzare ordinale<\/strong> come metodo di gestione dei collegamenti:<\/span><\/p>\n Ci\u00f2 produce gli stessi risultati del metodo argsort()<\/strong> di NumPy.<\/span><\/p>\n Altri metodi di gestione dei collegamenti includono min<\/strong> , max<\/strong> e dense<\/strong> .<\/span><\/p>\n Ulteriori informazioni su ciascun metodo nella documentazione di SciPy<\/a> .<\/span><\/p>\n I seguenti tutorial spiegano come eseguire altre attivit\u00e0 comuni in NumPy:<\/span><\/p>\n Come rimuovere gli elementi duplicati dall’array NumPy<\/a> \u00c8 possibile utilizzare uno dei seguenti metodi per calcolare l’ordinamento degli elementi in un array NumPy: Metodo 1: utilizzare argsort() da NumPy import numpy as np ranks = np. array (my_array). argsort (). argsort () Metodo 2: utilizzare Rankdata() di SciPy from scipy. stats import rankdata ranks = rankdata(my_array) I seguenti esempi mostrano come utilizzare […]<\/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 Esempio 1: ordinare gli elementi nell’array NumPy utilizzando argsort()<\/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 Esempio 2: classificare gli elementi nell’array NumPy utilizzando Rankdata()<\/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 Risorse addizionali<\/strong><\/span><\/h2>\n
Come convertire un array NumPy di float in numeri interi<\/a>
Come convertire una matrice NumPy in un array<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"