无法理解numpy argpartition输出

无法理解numpy argpartition输出

我们需要使用按排序顺序保留的索引列表，而不是将第k个参数作为标量输入。因此，要保持第一个

5

元素的排序性质

np.argpartition(a,5)[:5]

，只需执行-

np.argpartition(a,range(5))[:5]

这里是一个示例，目的是为了使事情更清楚：

In [84]: a = np.random.rand(10)In [85]: aOut[85]: array([ 0.85017222,  0.19406266,  0.7879974 ,  0.40444978,  0.46057793,        0.51428578,  0.03419694,  0.47708   ,  0.73924536,  0.14437159])In [86]: a[np.argpartition(a,5)[:5]]Out[86]: array([ 0.19406266,  0.14437159,  0.03419694,  0.40444978,  0.46057793])In [87]: a[np.argpartition(a,range(5))[:5]]Out[87]: array([ 0.03419694,  0.14437159,  0.19406266,  0.40444978,  0.46057793])

请注意，这

argpartition

在性能方面是有意义的，如果我们希望获取一小部分元素的排序索引，那么可以说元素

k

数占元素总数的一小部分。

让我们使用一个更大的数据集，并尝试获取所有元素的排序索引，以使上述要点更清楚：

In [51]: a = np.random.rand(10000)*100In [52]: %timeit np.argpartition(a,range(a.size-1))[:5]10 loops, best of 3: 105 ms per loopIn [53]: %timeit a.argsort()1000 loops, best of 3: 893 µs per loop

因此，要对所有元素进行排序

np.argpartition

并不是要走的路。

现在，假设我想只获取具有该大数据集的前5个元素的排序索引，并保持这些元素的顺序-

In [68]: a = np.random.rand(10000)*100In [69]: np.argpartition(a,range(5))[:5]Out[69]: array([1647,  942, 2167, 1371, 2571])In [70]: a.argsort()[:5]Out[70]: array([1647,  942, 2167, 1371, 2571])In [71]: %timeit np.argpartition(a,range(5))[:5]10000 loops, best of 3: 112 µs per loopIn [72]: %timeit a.argsort()[:5]1000 loops, best of 3: 888 µs per loop

在这里非常有用！