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索引沿给定轴的数据。
版本 1.8.0 中的新增内容。
- 参数:
- aarray_like
要排序的数组。
- kthint 或 int 序列
要按其进行分区的元素索引。第 k 个元素将处于其最终排序位置,所有较小的元素将移动到其前面,所有较大的元素将移动到其后面。分区中所有元素的顺序是未定义的。如果提供一个 kth 序列,它将一次将所有这些元素分区到其排序位置。
已弃用,从版本 1.22.0 起:传递布尔值作为索引已弃用。
- axisint 或 None,可选
要排序的轴。默认值为 -1(最后一个轴)。如果为 None,则使用扁平化数组。
- kind{‘introselect’},可选
选择算法。默认值为 ‘introselect’
- orderstr 或 str 列表,可选
当 a 是一个定义了字段的数组时,此参数指定首先比较哪些字段,其次比较哪些字段,等等。单个字段可以指定为字符串,并不需要指定所有字段,但未指定的字段仍将使用,按照它们在 dtype 中出现的顺序,以打破平局。
- 返回值:
- index_arrayndarray,int
沿指定轴对 a 进行分区的索引数组。如果 a 是一个一维数组,
a[index_array]
将产生一个已分区的 a。更一般地,np.take_along_axis(a, index_array, axis=axis)
将始终产生已分区的 a,无论维度如何。
参见
partition
描述了所用的分区算法。
ndarray.partition
就地分区。
argsort
完整的间接排序。
take_along_axis
将
index_array
从 argpartition 应用于数组,就像调用分区一样。
注意事项
返回的索引不能保证按值排序。此外,默认选择算法
introselect
是不稳定的,因此返回的索引不能保证是元素的最早/最晚出现。argpartition
对具有 nan 值的实数/复数输入有效,请参见partition
以了解有关增强排序顺序和不同选择算法的说明。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]])