numpy.partition#

numpy.partition(a, kth, axis=-1, kind='introselect', order=None)[source]#

返回数组的分区副本。

创建一个数组的副本，并对其进行部分排序，使得 k-th 位置的元素处于其在排序数组中的位置。在输出数组中，所有小于 k-th 元素的值都位于该元素的左侧，所有等于或大于该元素的值都位于其右侧。 k-th 元素两侧分区的元素顺序是未定义的。

参数:

a类数组对象: 待排序的数组。
kth整数或整数序列: 用于分区的元素索引。第 k 个元素的值将处于其最终排序位置，所有较小的元素将被移到它前面，所有等于或大于它的元素将被移到它后面。分区中所有元素的顺序是未定义的。如果提供了 k-th 的序列，它将一次性将所有由 k-th 索引的元素分区到它们的排序位置。
axisint 或 None, 可选: 排序的轴。如果为 None，则在排序前展平数组。默认值为 -1，表示沿最后一个轴排序。
kind{‘introselect’}, 可选: 选择算法。默认值为 ‘introselect’。
orderstr 或 str 列表, optional: 当 a 是一个具有已定义字段的数组时，此参数指定首先、其次等用于比较的字段。单个字段可以指定为字符串。并非所有字段都需要指定，但未指定的字段仍将用于打破平局，顺序取决于它们在 dtype 中出现的顺序。

返回:

partitioned_arrayndarray: 与 a 类型和形状相同的数组。

另请参阅

ndarray.partition: 原地排序数组的方法。
argpartition: 间接分区。
sort: 完整排序

备注

各种选择算法的特点是它们的平均速度、最坏情况性能、工作空间大小以及它们是否稳定。稳定排序会保持具有相同键的项的相对顺序。可用的算法具有以下属性

kind	speed	worst case	work space	stable
‘introselect’	1	O(n)	0	no

所有分区算法在沿着除最后一个轴之外的任何轴进行分区时都会创建数据的临时副本。因此，沿着最后一个轴进行分区比沿着任何其他轴进行分区更快，占用的空间也更少。

复数的排序顺序是字典序。如果实部和虚部都不是 NaN，则顺序由实部决定，除非实部相等，在这种情况下，顺序由虚部决定。

np.nan 的排序顺序大于 np.inf。

示例

>>> import numpy as np
>>> a = np.array([7, 1, 7, 7, 1, 5, 7, 2, 3, 2, 6, 2, 3, 0])
>>> p = np.partition(a, 4)
>>> p
array([0, 1, 2, 1, 2, 5, 2, 3, 3, 6, 7, 7, 7, 7]) # may vary

p[4] 是 2；p[:4] 中的所有元素都小于或等于 p[4]，而 p[5:] 中的所有元素都大于或等于 p[4]。分区结果是

[0, 1, 2, 1], [2], [5, 2, 3, 3, 6, 7, 7, 7, 7]

下一个示例显示了将多个值传递给 kth 的用法。

>>> p2 = np.partition(a, (4, 8))
>>> p2
array([0, 1, 2, 1, 2, 3, 3, 2, 5, 6, 7, 7, 7, 7])

p2[4] 是 2，p2[8] 是 5。 p2[:4] 中的所有元素都小于或等于 p2[4]，p2[5:8] 中的所有元素都大于或等于 p2[4] 且小于或等于 p2[8]，而 p2[9:] 中的所有元素都大于或等于 p2[8]。分区结果是

[0, 1, 2, 1], [2], [3, 3, 2], [5], [6, 7, 7, 7, 7]