如何用python array排序

开头段落：
在Python中，可以使用多种方法对数组（array）进行排序，包括使用内置的排序函数、使用Numpy库、以及实现自定义排序算法。内置的排序函数如sorted()和数组对象的sort()方法是最常用的，因为它们简洁高效且易于使用。Numpy库则提供了更强大的功能和更高的性能，适合处理大型数组。自定义排序算法则提供了灵活性，可以根据特定需求进行定制。使用sorted()函数是其中一种简单且常用的方法。sorted()函数可以对任何可迭代对象进行排序，并返回一个新的排序后的列表。它的使用方法非常简单，只需要将待排序的数组作为参数传入即可。此外，sorted()函数还支持自定义排序规则，通过传入关键字参数key和reverse来实现。

一、使用内置排序函数

Python提供了两种内置方法来对数组进行排序：sort()方法和sorted()函数。sort()方法用于列表对象，会直接在原数组上进行排序；sorted()函数则适用于所有可迭代对象，并返回一个新的排序后的列表。

使用sort()方法

sort()方法是Python列表的内置方法。它会对列表进行原地排序，即不会返回新的列表，而是在原始列表上进行排序。
```
array = [3, 1, 4, 1, 5, 9, 2, 6, 5, 3, 5]
array.sort()
print(array)  # 输出: [1, 1, 2, 3, 3, 4, 5, 5, 5, 6, 9]
```
使用sort()方法时，可以通过reverse参数指定排序顺序。默认是升序排序，当reverse=True时，会进行降序排序。
```
array = [3, 1, 4, 1, 5, 9, 2, 6, 5, 3, 5]
array.sort(reverse=True)
print(array)  # 输出: [9, 6, 5, 5, 5, 4, 3, 3, 2, 1, 1]
```

使用sorted()函数

sorted()函数适用于所有可迭代对象，并返回一个新的排序后的列表，而不会修改原始数据。

array = [3, 1, 4, 1, 5, 9, 2, 6, 5, 3, 5]
sorted_array = sorted(array)
print(sorted_array)  # 输出: [1, 1, 2, 3, 3, 4, 5, 5, 5, 6, 9]
print(array)  # 原数组未变: [3, 1, 4, 1, 5, 9, 2, 6, 5, 3, 5]

同样，sorted()函数也支持reverse参数：

sorted_array_desc = sorted(array, reverse=True)
print(sorted_array_desc)  # 输出: [9, 6, 5, 5, 5, 4, 3, 3, 2, 1, 1]

二、使用Numpy库进行排序

Numpy是Python中处理数组的强大库，它提供了多种方法来对数组进行排序。Numpy的sort()函数适用于多维数组，并且支持指定排序轴。

基本排序

使用Numpy的sort()函数可以对数组进行排序。

import numpy as np
array = np.array([3, 1, 4, 1, 5, 9, 2, 6, 5, 3, 5])
sorted_array = np.sort(array)
print(sorted_array)  # 输出: [1 1 2 3 3 4 5 5 5 6 9]

指定排序轴

对于多维数组，可以指定沿哪个轴进行排序。

matrix = np.array([[3, 1, 4], [1, 5, 9], [2, 6, 5]])
sorted_matrix = np.sort(matrix, axis=0)
print(sorted_matrix)
输出:
[[1 1 4]
 [2 5 5]
 [3 6 9]]

在上面的例子中，axis=0表示沿着列排序。

三、自定义排序算法

有时候，内置的排序方法无法满足特定需求，这时可以实现自定义排序算法。常见的排序算法包括快速排序、归并排序、插入排序等。

快速排序

快速排序是一种高效的分治排序算法。

def quick_sort(arr):
    if len(arr) <= 1:
        return arr
    pivot = arr[len(arr) // 2]
    left = [x for x in arr if x < pivot]
    middle = [x for x in arr if x == pivot]
    right = [x for x in arr if x > pivot]
    return quick_sort(left) + middle + quick_sort(right)
array = [3, 6, 8, 10, 1, 2, 1]
print(quick_sort(array))  # 输出: [1, 1, 2, 3, 6, 8, 10]

归并排序

归并排序是一种稳定的排序算法，适用于大规模数据。

def merge_sort(arr):
    if len(arr) > 1:
        mid = len(arr) // 2
        left_half = arr[:mid]
        right_half = arr[mid:]
        merge_sort(left_half)
        merge_sort(right_half)
        i = j = k = 0
        while i < len(left_half) and j < len(right_half):
            if left_half[i] < right_half[j]:
                arr[k] = left_half[i]
                i += 1
            else:
                arr[k] = right_half[j]
                j += 1
            k += 1
        while i < len(left_half):
            arr[k] = left_half[i]
            i += 1
            k += 1
        while j < len(right_half):
            arr[k] = right_half[j]
            j += 1
            k += 1
array = [12, 11, 13, 5, 6, 7]
merge_sort(array)
print(array)  # 输出: [5, 6, 7, 11, 12, 13]

四、排序的效率与优化

在选择排序方法时，效率是一个重要的考虑因素。Python的内置排序函数和Numpy库的排序方法在大多数情况下是最佳选择，因为它们经过高度优化。

时间复杂度

大多数内置排序函数的时间复杂度为O(n log n)，这对于一般用途是非常高效的。自定义排序算法的效率可能不如内置方法，除非针对特定情况进行优化。
空间复杂度

内置方法通常也具有较低的空间复杂度。Numpy库的排序方法是原地排序，能有效降低空间开销。
并行计算

对于非常大的数据集，考虑使用并行计算来加快排序速度。Numpy和Pandas等库支持并行化操作，可以在多核CPU上实现更快的排序。