Summary  
This chapter explains how to sort arrays using NumPy’s `sort()` function (which returns a new sorted array) and the in-place `.sort()` method, and shows how to achieve descending order by slicing a sorted array.  

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**では検索がはるかに高速になる。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。

## numpy.sort() 関数

**NumPy** には、値を昇順でソートするための組み込み関数 `sort()` がある。この関数の戻り値はソートされた **NumPy** 配列。一般的な構文は次のとおり：`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)` のように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** は特定の処理を実行する独立したコードブロックで、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あり、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、要素が**昇順**で格納されている状態。

## 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る。`.sort()` メソッドや `sort()` 関数はこの機能を直接サポートしていないが、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可能。

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

Pythonの数値計算における最も重要なライブラリであるNumPyの可能性を最大限に引き出します。本コースは、NumPyの初心者レベルから上級レベルまでの習得を目指して設計されています。データサイエンティスト、エンジニア、研究者、開発者のいずれであっても、NumPyの習得は効率的なデータ操作、科学計算、機械学習に不可欠です。

NumPyの応用例を探求し、数値計算において最も人気のあるライブラリの一つである理由を理解します。さまざまなデータニーズに効率的に対応するための配列の作成および初期化方法について学びます。

NumPy配列内の特定の要素やサブセットにインデックス表記を用いてアクセスする方法について学びます。条件付きインデックスを適用してデータをフィルタリングし、欠損値を効率的に管理する方法を習得します。

NumPyは、一般的な配列操作を行うための多くの組み込み関数を提供しています。これらのツールを活用して、繰り返しのコードを書くことなく、データの変換、集約、分析を効率的に行う方法を学びます。

NumPy配列上で効率的に数学的演算を行う方法を学びます。これらの演算を実際の問題解決に応用し、ベクトル化計算が数値解析を高速化する仕組みをより深く理解します。

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