Question

我的问题与此问题非常相似：How to get indices of N maximum values in a numpy array?

但是我想按照我找到它们的顺序获取索引。

让我们将该问题中标记的示例作为正确的解决方案：

import numpy as np
arr = np.array([1, 3, 2, 4, 5])
arr.argsort()[-3:][::-1]

array([4, 3, 1])

我正在寻找的结果应该是：

array([1, 3, 4])

Answer 1

使用numpy.argpartition()：

k = 3
np.argpartition(arr, len(arr) - k)[-k:]

将k索引调整为您需要的任何内容。

注意：返回的索引不保证在＆＃34;排序顺序＆＃34; - 只是索引k之后的任何内容都大于排序数组中位置k的值。

注意2：如果确实需要将返回的索引自行排序，则只需在上述命令中添加numpy.sort()：

np.sort(np.argpartition(arr, len(arr) - k)[-k:])

numpy.argpartition()比完整sort提供了显着的性能提升，特别是对于大型arr。在上面的示例中，您只对选定的索引（不是全部）进行完整排序。

Answer 2

这可能取决于a和k的大小，但通常最快的似乎是将partition与flatnonzero或where合并：< / p>

>>> a = np.random.random(10000)
>>> k = 5
>>> 
>>> timeit("np.flatnonzero(a >= np.partition(a, len(a) - k)[len(a) - k])", globals=globals(), number=10000)
0.8328661819687113
>>> timeit("np.sort(np.argpartition(a, len(a) - k)[len(a) - k:])", globals=globals(), number=10000)
1.0577796879806556
>>> np.flatnonzero(a >= np.partition(a, len(a) - k)[len(a) - k])
array([2527, 4299, 5531, 6945, 7174])
>>> np.sort(np.argpartition(a, len(a) - k)[len(a) - k:])
array([2527, 4299, 5531, 6945, 7174])

注1：这突出了间接索引的显着性能成本。

注意2：因为我们只使用pivot元素并丢弃实际分区percentile理论上应该至少同样快，但在实践中它会慢一些。

在没有排序的情况下获取numpy数组中N个最大值的索引？

2 个答案: