Summary  
This chapter covers methods for sorting array elements in ascending or descending order using NumPy’s out-of-place `sort()` function and in-place `.sort()` method.

General domain of usage  
Data analysis

**ソート**とは、配列の要素を特定の順序で並べ替えること。

定義

この操作は非常に有用であり、**ソート済み配列**での検索ははるかに高速です。なぜなら、**二分探索**のような効率的なアルゴリズムはソート済み配列でのみ機能するためです。

## numpy.sort() 関数

**NumPy** には、要素を昇順で値によってソートするための組み込み関数 `sort()` があります。この関数の戻り値はソートされた **NumPy** 配列です。一般的な構文は次のとおりです：`numpy.sort(a, axis=-1, kind=None, order=None)`。ここで：
* `a` は配列；
* `axis` はソートする軸（デフォルトは最後の軸（`-1`））；
* `kind` は使用するソートアルゴリズム（デフォルトは `quicksort`）。

import numpy as np
array_1d = np.array([10, 2, 5, 1, 6, 5])
print(np.sort(array_1d))

## ndarray.sort() メソッド

前述の通り、`numpy.sort()` 関数はソートされた配列を返しますが、**元の** 配列は変更しません。配列自体を変更したい場合は、`array = np.sort(array)` と記述する必要があります。

しかし、**NumPy** には代替手段として `.sort()` メソッドが用意されており、これは配列を**インプレース**でソートし、新しい配列は返しません（`None` を返すため、何も返さないことを意味します）。構文は `sort()` 関数と似ています。

**関数**は特定のタスクを実行する独立したコードブロックであり、直接呼び出すことができます。**メソッド**はオブジェクトに関連付けられた関数で、そのオブジェクトに対して `.` 演算子を使って呼び出します。

ノート

import numpy as np
array_1d = np.array([10, 2, 5, 1, 6, 5])
# Calling the .sort() method 
array_1d.sort()
print(array_1d)

`.sort()` メソッドを呼び出した後、`array_1d` は**インプレース**で並べ替えられ、要素は**昇順**で格納されています。


## 1次元配列の降順ソート

配列を**降順**で並べ替えたい場合もあります。`.sort()` メソッドや `sort()` 関数はこの機能を直接サポートしていませんが、ソート済み配列に対して `step` を `-1` にした**スライス**を使うことで簡単に実現できます:

import numpy as np
array_1d = np.array([10, 2, 5, 1, 6, 5])
# Sorting array_1d in descending order
array_1d = np.sort(array_1d)[::-1]
print(array_1d)

import unittest
import importlib.util
import numpy as np
import io
from contextlib import redirect_stdout


def _dynamic_test(test_case, condition, success_message, failure_message):
    """Codefinity-style formatted output"""
    if condition:
        test_case._testMethodName = success_message
        test_case.assertTrue(True, success_message)
    else:
        test_case._testMethodName = failure_message
        test_case.fail(failure_message)


class TestUserCode(unittest.TestCase):
    @classmethod
    def setUpClass(cls):
        # Очікувані результати
        cls.salaries = np.array([45000, 38000, 52000, 47000, 43000, 39000])
        cls.expected_sorted = np.sort(cls.salaries)[::-1]  # спадний порядок
        cls.expected_top3 = cls.expected_sorted[:3]

    def test_sorted_salaries(self):
        """1. salaries sorted in descending order"""
        spec = importlib.util.spec_from_file_location("user_code", "user_code.py")
        module = importlib.util.module_from_spec(spec)
        spec.loader.exec_module(module)

        ok = hasattr(module, "sorted_salaries")
        arr = getattr(module, "sorted_salaries", None)
        type_ok = isinstance(arr, np.ndarray)
        val_ok = type_ok and np.array_equal(arr, self.expected_sorted)
        order_ok = type_ok and np.all(np.diff(arr) <= 0)

        _dynamic_test(
            self,
            ok and type_ok and val_ok and order_ok,
            "salaries sorted in descending order correctly",
            "salaries not sorted correctly in descending order",
        )

    def test_print_top3(self):
        """2. top 3 salaries printed using positive end slice"""
        # Перехоплюємо stdout
        f = io.StringIO()
        spec = importlib.util.spec_from_file_location("user_code", "user_code.py")
        module = importlib.util.module_from_spec(spec)
        with redirect_stdout(f):
            spec.loader.exec_module(module)
        output = f.getvalue().strip()

        # Перевірка, що всі 3 найбільші зарплати є у виводі
        expected_values = [str(x) for x in self.expected_top3]
        contains_all = all(val in output for val in expected_values)

        # Перевірка, що не виведено більше трьох
        contains_extra = any(str(x) in output for x in self.expected_sorted[3:])

        _dynamic_test(
            self,
            contains_all and not contains_extra,
            "top 3 salaries printed correctly",
            "top 3 salaries print incorrect or extra values included",
        )


if __name__ == "__main__":
    unittest.main()


test_code.py

NumPyを使用した数値計算のための基本的なスキルを習得します。NumPy配列の操作、多次元データの作成と操作、インデックス指定とスライスの適用、ベクトル化演算の実行、配列の形状変更、ブロードキャストの利用、基本的な線形代数手法の適用方法を学びます。本コースはデータ分析業務で一般的に使用される実践的な操作に焦点を当てています。

配列のソート

numpy.sort() 関数

ndarray.sort() メソッド

1次元配列の降順ソート

解答