Python瓶颈argpartsort性能

Question

有没有理由（考虑到我没有弄乱某些事情）为什么在对给定数组中的前n = 1000个元素进行排序时，bottleneck.argpartsort的性能最佳？

我创建了以下脚本：

d = numpy.random.rand(300000)
l = []
for i in range(5):
    to = time()
    ind = argpartsort(-d, pow(10,i))
    tf = time()
    l.append((pow(10,i), tf - to))

导致：

 [(1, 0.008157968521118164),
 (10, 0.006367921829223633),
 (100, 0.006164073944091797),
 (1000, 0.002994060516357422),
 (10000, 0.004293203353881836)]

绘制结果给出：

我认为argpartsort越少追踪它应该越快的值，但这不是我观察到的。我在某个地方搞砸了还是预料到了？

提前致谢！

Answer 1

你这里只看了5步。以下是执行500步时的外观：

我认为这种波动来自Hoare's quickselect（枢轴选择问题 - 它可能非常好但可能非常糟糕，非常随机）。类似的想法在quicksort中使用，所以让我们来看看：

d = numpy.random.rand(3000)

def test(n):
    ld = d[:n]
    s = time.time()
    ld.sort()
    e = time.time()
    return e-t

此代码表明，为了增加i，排序所花费的时间不应该减少（因为我们只采用相同数组的更大切片，所以如果我们可以更快地排序更大的切片，那么我们应该在至少一样快。结果如下：

正如你所看到的那样，我们也有波动（我不是在谈论大跳跃，这可能是由于我的机器所做的其他事情，但我在谈论它们之间的这种微小跳跃）。问题在于算法本身。它的平均速度非常快。

最后请注意，您的机器在此期间所做的一切也会影响测试，因此很难给出完整的诊断。