numpy.分区#

麻木的。分区( a , kth , axis = -1 , kind = 'introselect' , order = None ) [来源] #

返回数组的分区副本。

创建数组的副本，并重新排列其元素，使第 k 个位置的元素的值位于该值在排序数组中的位置。在分区数组中，第 k 个元素之前的所有元素都小于或等于该元素，第 k 个元素之后的所有元素都大于或等于该元素。两个分区中元素的顺序未定义。

1.8.0 版本中的新增功能。

参数：

类似数组: 待排序的数组。
第 k 个整数或整数序列: 分区依据的元素索引。该元素的第 k 个值将位于其最终排序位置，所有较小的元素将移动到它之前，所有相等或更大的元素将移动到它之后。分区中所有元素的顺序未定义。如果提供第 k 个序列，它将立即将第 k 个索引的所有元素划分到其排序位置。

自版本 1.22.0 起已弃用：不推荐将布尔值作为索引传递。
axis int 或 None，可选: 排序所沿的轴。如果没有，则在排序之前将数组展平。默认值为 -1，即沿最后一个轴排序。
种类{'introselect'}，可选: 选择算法。默认为“introselect”。
排序str 或 str 列表，可选: 当a是定义了字段的数组时，此参数指定要首先比较的字段、第二个比较的字段等。单个字段可以指定为字符串。并非所有字段都需要指定，但未指定的字段仍将按照它们在数据类型中出现的顺序使用，以打破联系。

返回：

也可以看看

笔记

各种选择算法的特点是平均速度、最坏情况性能、工作空间大小以及是否稳定。稳定排序使具有相同键的项目保持相同的相对顺序。可用的算法具有以下属性：

种类	速度	最坏的情况下	工作空间	稳定的
'介绍选择'	1	在）	0	不

所有分区算法在沿除最后一个轴以外的任何轴分区时都会生成数据的临时副本。因此，沿最后一个轴的分区比沿任何其他轴的分区速度更快且使用的空间更少。

复数的排序顺序是字典顺序。如果实部和虚部均非 nan，则阶数由实部确定，除非它们相等，在这种情况下，阶数由虚部确定。

例子

>>> a = np.array([7, 1, 7, 7, 1, 5, 7, 2, 3, 2, 6, 2, 3, 0])
>>> p = np.partition(a, 4)
>>> p
array([0, 1, 2, 1, 2, 5, 2, 3, 3, 6, 7, 7, 7, 7])

p[4]是 2；中的所有元素p[:4]都小于或等于p[4]，并且中的所有元素p[5:]都大于或等于p[4]。分区是：

[0, 1, 2, 1], [2], [5, 2, 3, 3, 6, 7, 7, 7, 7]

下一个示例显示了传递给kth 的多个值的使用。

>>> p2 = np.partition(a, (4, 8))
>>> p2
array([0, 1, 2, 1, 2, 3, 3, 2, 5, 6, 7, 7, 7, 7])

p2[4]是 2，p2[8]是 5。中的所有元素p2[:4] 都小于或等于p2[4]，中的所有元素p2[5:8] 都大于或等于p2[4]且小于或等于 p2[8]，并且中的所有元素p2[9:]都大于或等于p2[8]。分区是：

[0, 1, 2, 1], [2], [3, 3, 2], [5], [6, 7, 7, 7, 7]