Python numpy排序上下

我试图将顶部的5%、底部的5%和剩余的5%提取到单独的数组中，并保存平均值。我的代码如下

    tg = 48000000 element float array
    tg.sort()
    pct = int(tg.size*0.05)
    high5 = tg[-pct:].mean()
    low5 = tg[:pct].mean()
    mid90 = tg[pct:-pct].mean()

---

如果您能就如何加快速度提出建议，我将不胜感激。

实际上，您不需要对阵列进行完全排序。您可以使用分区方法：

tg = 48000000 element float array    
pct = int(tg.size*0.05)

tg.partition([pct, tg.size - pct]) 

mean_low5 = tg[:pct].mean()
mean_high5 = tg[-pct:].mean()
mean_mid90 = tg[pct:-pct].mean()

---

（代码根据Jaime的评论进行了更新）

绝大多数时间都花在

排序

调用中。这是一个相当优化的算法，因此基本答案是您可能无法加快速度。您可能可以这样做。这是一个好主意（+1）

np。分区

可以占据一系列位置，即您可以执行

tg.partition（[pct，tg.size pct]）

，而不必担心对分区的secon调用会扰乱前一个分区的结果。当然，您也可以在第二次调用中执行

tg[pct:].partition（tg.size-2*pct）

，以避免第一次调用结果的混乱。