Question

请考虑以下代码：

avgDists = np.array([1, 8, 6, 9, 4])
ids = avgDists.argsort()[:n]

这给了我n个最小元素的索引。是否可以按降序使用相同的argsort来获取n最高元素的索引？

Answer 1

如果否定数组，则最低元素成为最高元素，反之亦然。因此，n最高元素的索引是：

(-avgDists).argsort()[:n]

如comments中所述，另一种推理此问题的方法是观察argsort中的大元素 last 。因此，您可以从argsort的尾部读取以找到n最高元素：

avgDists.argsort()[::-1][:n]

这两种方法在时间复杂度上都是 O（n log n），因为argsort调用是这里的主导术语。但第二种方法有一个很好的优点：它用 O（1）切片取代了 O（n）对数组的否定。如果您正在循环中使用小数组，那么您可以通过避免这种否定获得一些性能提升，如果您正在使用大型数组，那么您可以节省内存使用量，因为否定会创建一个副本整个阵列。

请注意，这些方法并不总是提供相同的结果：如果向argsort请求稳定的排序实现，例如通过传递关键字参数kind='mergesort'，第一个策略将保持排序稳定性，但第二个策略将破坏稳定性（即相等项的位置将被反转）。

Answer 2

就像Python一样，[::-1]反转argsort()返回的数组，[:n]给出最后n个元素：

>>> avgDists=np.array([1, 8, 6, 9, 4])
>>> n=3
>>> ids = avgDists.argsort()[::-1][:n]
>>> ids
array([3, 1, 2])

此方法的优点是ids是avgDists的view：

>>> ids.flags
  C_CONTIGUOUS : False
  F_CONTIGUOUS : False
  OWNDATA : False
  WRITEABLE : True
  ALIGNED : True
  UPDATEIFCOPY : False

（'OWNDATA'为False表示这是一个视图，而不是副本）

另一种方法是：

(-avgDists).argsort()[:n]

问题在于它的工作方式是在数组中创建每个元素的负数：

>>> (-avgDists)
array([-1, -8, -6, -9, -4])

ANd创建了一个副本：

>>> (-avgDists_n).flags['OWNDATA']
True

所以如果你给每个人计时，即使是这个非常小的数据集：

>>> import timeit
>>> timeit.timeit('(-avgDists).argsort()[:3]', setup="from __main__ import avgDists")
4.2879798610229045
>>> timeit.timeit('avgDists.argsort()[::-1][:3]', setup="from __main__ import avgDists")
2.8372560259886086

视图方法快得多

Answer 3

您可以使用翻转命令numpy.flipud()或numpy.fliplr()在使用argsort命令排序后按降序获取索引。这就是我通常做的事情。

Answer 4

如果您只需要最低/最高n个元素的索引，而不是使用np.argsort，您可以使用np.argpartition。

这并不需要对整个阵列进行排序，只需要对您需要的部分进行排序，但请注意分区内的＆＃34;顺序＆＃34;是未定义的，所以虽然它给出了正确的索引，但它们可能没有正确排序：

>>> avgDists = [1, 8, 6, 9, 4]
>>> np.array(avgDists).argpartition(2)[:2]  # indices of lowest 2 items
array([0, 4], dtype=int64)

>>> np.array(avgDists).argpartition(-2)[-2:]  # indices of highest 2 items
array([1, 3], dtype=int64)

Answer 5

您可以创建数组的副本，然后将每个元素乘以-1 作为一种效果，最大的元素将变得最小。
副本中n个最小元素的indeces是原始元素中最大的元素。

Answer 6

用你的例子：

avgDists = np.array([1, 8, 6, 9, 4])

获取n个最大值的索引：

ids = np.argpartition(avgDists, -n)[-n:]

按降序排序：

ids = ids[np.argsort(avgDists[ids])[::-1]]

获得结果（n = 4）：

>>> avgDists[ids]
array([9, 8, 6, 4])

Answer 7

正如@Kanmani所暗示的，可以使用numpy.flip来简化实现，如下所示：

import numpy as np

avgDists = np.array([1, 8, 6, 9, 4])
ids = np.flip(np.argsort(avgDists))
print(ids)

通过使用访问者模式而不是成员函数，可以更轻松地读取操作顺序。

Answer 8

另一种方法是在argsort的参数中只使用' - '，如下所示：“df [np.argsort（-df [：，0]）]”，前提是df是数据帧，你想对它进行排序由第一列（由列号'0'表示）。根据需要更改列名称。当然，该列必须是数字列。

Answer 9

一种简单的方法是获取绝对值并为每个元素添加一个负号，然后进行argsort。

l=np.array([1,-1,2])
print(np.argsort((-np.abs(x))))  #[2,1,0]

Answer 10

一种优雅的方法如下-

ids = np.flip(np.argsort(avgDists))

这将为您提供按降序排列的元素的索引。现在您可以使用常规切片...

top_n = ids[:n]

是否可以按降序使用argsort

10 个答案: