np.argpartition的作用

最近看到了argpartition,有在网上搜,但自己编数据测试是最可信的办法
个人理解:
对数组进行快排,并返回索引数组,第二参数位置的索引找到后就停止算法,故不保证全部有序,第二参数可以是一个值或list

import numpy as np
arr = np.array([46, 57, 23, 39, 1, 10, 0, 120])
arr.sort()
b=arr[::-1]
a=arr
arr = np.array([46, 57, 23, 39, 1, 10, 0, 120])
np.argpartition(arr,0)
array([6, 1, 2, 3, 4, 5, 0, 7])
np.argpartition(arr,[0,1,2,3,4,5,6,7])#全部有序的索引
array([6, 4, 5, 2, 3, 0, 1, 7])#全部有序的索引
np.argpartition(arr,1)
array([6, 4, 2, 3, 1, 5, 0, 7])
np.argpartition(arr,3)
array([6, 4, 5, 2, 3, 0, 1, 7])
np.argpartition(arr,2)
array([6, 4, 5, 3, 1, 2, 0, 7])
np.argpartition(arr,4)
array([6, 4, 5, 2, 3, 0, 1, 7])
np.argpartition(arr,5)
array([5, 3, 2, 6, 4, 0, 1, 7])
np.argpartition(arr,-1)
array([5, 3, 2, 6, 4, 0, 1, 7])
np.argpartition(arr,-2)
array([5, 3, 2, 6, 4, 0, 1, 7])
np.argpartition(arr,-3)# -3的结果与5是对应一致的
array([5, 3, 2, 6, 4, 0, 1, 7])
np.argpartition(arr,-4)# -4的结果与4是对应一致的
array([6, 4, 5, 2, 3, 0, 1, 7])
  • 2
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值