Numpy argsort vs Scipy.stats rankdata

Question

我最近使用了这两个功能，并且正在寻找能够与以下人士交流的人的意见：

• 做argsort和rankdata在目的上有根本的不同吗？
• 一个在另一个上有性能优势吗？ （具体来说：大型与小型阵列的性能差异？）
• 导入rankdata的内存开销是多少？

提前致谢。

P.S。我无法创建新标签＆＃39; argsort＆＃39;或者＆＃39; rankdata＆＃39;。如果有任何有足够信誉的人觉得他们应该加入这个问题，请做。

Answer 1

  

argsort和rankdata在目的上有根本的不同吗？

在我看来，他们略有做法。如果数据已排序，第一个给出数据的位置，第二个给出数据的rank。在关系的情况下，这种差异会变得明显：

a = np.array([ 5, 0.3,  0.4, 1, 1, 1, 3, 42])
almost_ranks = np.empty_like(a)
almost_ranks[np.argsort(a)] = np.arange(len(a))
print(almost_ranks)
print(scipy.stats.rankdata(a))

  

一个是否有性能优势？   （具体来说：大型与小型阵列的性能差异？）

在我看来，两种算法都具有相同的复杂性：O（NlgN）我希望numpy实现稍快一些，因为它有一点点开销，加上它的numpy。但你应该自己测试一下......检查scipy.rankdata的代码，它似乎是-at present，我的python ......-在其他函数中调用np.unique，所以我猜它在实践中需要更多...

  

导入rankdata的内存开销是多少？

好吧，你导入scipy，如果你以前没有这样做的话，那就是scipy的开销......