numpy.argpartition#

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

使用 kind 关键字指定的算法，沿给定轴执行间接分区。它返回一个与 a 形状相同的索引数组，这些索引按分区顺序对给定轴上的数据进行索引。

参数:

a类数组对象: 要排序的数组。
kth整数或整数序列: 用于分区的元素索引。第 k 个元素将处于其最终排序位置，所有较小的元素都将被移动到它之前，所有较大的元素都将被移动到它之后。分区中所有元素的顺序是不确定的。如果提供了一个 k-th 序列，它将一次性将它们全部划分到各自的排序位置。
axisint 或 None, 可选: 进行排序的轴。默认值为 -1（最后一个轴）。如果为 None，则使用展平后的数组。
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、其次等要比较的字段。单个字段可以指定为字符串，并且不必指定所有字段，但未指定的字段仍将按照它们在 dtype 中出现的顺序用于打破平局。

返回:

index_arrayndarray, int: 沿指定轴对 a 进行分区的索引数组。如果 a 是一维的，a[index_array] 将产生一个分区后的 a。更通用地说，np.take_along_axis(a, index_array, axis=axis) 总是产生分区后的 a，无论维度如何。

另请参阅

partition: 描述所使用的分区算法。
ndarray.partition: 原地分区。
argsort: 完全间接排序。
take_along_axis: 应用 argpartition 中的 index_array 到数组，效果如同调用 partition。

备注

返回的索引不保证根据值进行排序。此外，默认的选择算法 introselect 是不稳定的，因此返回的索引不保证是该元素最早/最晚出现的位置。

argpartition 适用于包含 nan 值的实数/复数输入，关于增强排序顺序和不同选择算法的说明，请参见 partition。

示例

一维数组

>>> import numpy as np
>>> x = np.array([3, 4, 2, 1])
>>> x[np.argpartition(x, 3)]
array([2, 1, 3, 4]) # may vary
>>> x[np.argpartition(x, (1, 3))]
array([1, 2, 3, 4]) # may vary

>>> x = [3, 4, 2, 1]
>>> np.array(x)[np.argpartition(x, 3)]
array([2, 1, 3, 4]) # may vary

多维数组

>>> x = np.array([[3, 4, 2], [1, 3, 1]])
>>> index_array = np.argpartition(x, kth=1, axis=-1)
>>> # below is the same as np.partition(x, kth=1)
>>> np.take_along_axis(x, index_array, axis=-1)
array([[2, 3, 4],
       [1, 1, 3]])