python中element什么意思_Python中等价的“nth_element”函数是什么？

我想在Python中实现优势点树，但是它使用C++中的STD::NthyCype元素。在

所以我想在Python或numpy中找到等价的“nth_element”函数。在

注意，第N个元素只对数组进行偏序，它是O(N)。在int the_array[10] = {4,5,7,3,6,0,1,2,9,8};

std::vector the_v(the_array,the_array+10);

std::nth_element (the_v.begin()+0, the_v.begin()+5, the_v.begin()+10);

现在向量可以是：

^{pr2}$

我不仅要得到第n个元素，还要重新排列列表的两个部分，[3,0,2,1,4]和[6,7,9,8]。在

此外，nth_element support接受一个可以比较这两个元素的函数，例如，在下面的as中，vector是一个vector op DataPoint，DistanceComparator函数将用_v.begin()比较两个点的距离：vector the_v;

for(int n = 0; n < N; n++) the_v[n] = DataPoint(D, n, X + n * D);

std::nth_element (the_v.begin()+0, the_v.begin()+5, the_v.begin()+10,

DistanceComparator(the_v.begin()));

编辑：

我使用了bhuvan venkatesh的答案，并编写了一些代码进行测试。在partition_timer = timeit.Timer("numpy.partition(a, 10000)",

"import numpy;numpy.random.seed(2);"+

"a = numpy.random.rand(10000000)")

print(partition_timer.timeit(10))

sort_timer = timeit.Timer("numpy.sort(a)",

"import numpy;numpy.random.seed(2);"+

"a = numpy.random.rand(10000000)")

print(sort_timer.timeit(10))

sorted_timer = timeit.Timer("sorted(a)",

"import numpy;numpy.random.seed(2);"+

"a = numpy.random.rand(10000000)")

print(sorted_timer.timeit(10))

结果是：2.2217168808

17.0386350155

281.301710844

然后，我将使用C++代码做更多的测试。在

但是有一个问题，当使用numpy时，它总是返回一个新的数组，当我的数组很大时，它会浪费大量的内存。

我怎么办。

或者我只需要为Python写一个C++扩展。在

编辑2:

@bhuvan venkatesh感谢您推荐分区函数。在

我使用如下分区：import numpy

@profile

def for_numpy():

numpy.random.seed(2)

a = numpy.random.rand(1e7)

for i in range(100):

a.partition(numpy.random.randint(1e6))

if __name__ == '__main__':

for_numpy()

运行剖析器如下：python -m memory_profiler profiler_test.py

结果是：Line # Mem usage Increment Line Contents

================================================

25 23.613 MiB 0.000 MiB @profile

26 def for_numpy():

27 23.613 MiB 0.000 MiB numpy.random.seed(2)

28 99.934 MiB 76.320 MiB a = numpy.random.rand(1e7)

29 100.004 MiB 0.070 MiB for i in range(100):

30 100.004 MiB 0.000 MiB a.partition(numpy.random.randint(1e6))

它不会复制整个数组，就像：

numpy.分区(a，3)

结论：numpy.ndarray.partition是我想找的那个。在