Python 从numpy数组中获取最大或最小n元素？（最好不要压扁）

我知道我可以通过以下方式获得最小值或最大值：

max(matrix)
min(matrix)

从一个numpy矩阵/向量中。这些价值的指数通过以下方式返回：

argmax(matrix)
argmin(matrix)

例如，当我有一个5x5矩阵时：

a = np.arange(5*5).reshape(5, 5) + 10

# array([[10, 11, 12, 13, 14],
#        [15, 16, 17, 18, 19],
#        [20, 21, 22, 23, 24],
#        [25, 26, 27, 28, 29],
#        [30, 31, 32, 33, 34]])

我可以通过以下方式获得最大值：

In [86]: np.max(a) # getting the max-value out of a
Out[86]: 34

In [87]: np.argmax(a) # index of max-value 34 is 24 if array a were flattened
Out[87]: 24

…但获得最大或最小n元素的最有效方法是什么

让我们说，从a中，我想要5个最高元素和5个最低元素。这应该会返回我

[30,31,32,33,34]

，分别获取5个最高值

[20,21,22,23,24]

，获取它们的索引。同样地，

[10,11,12,13,14]

用于5个最低值，而

[0,1,2,3,4]

用于5个最低元素的索引

对于这一点，什么是有效、合理的解决方案

我的第一个想法是对数组进行展平和排序，并取最后和前5个值。然后，我在原始2D矩阵中搜索这些值的索引虽然此过程有效，但展平+排序不是很有效……有人知道更快的解决方案吗？

---

此外，我想有原始二维数组的索引，而不是平坦的一个。因此，我不想使用

np.argmax（a）

返回

24

，而是希望使用

（4,4）

获取数组中最大或最小值的索引的标准方法是使用。此函数使用introselect算法并以线性复杂度运行-这比对较大数组（通常为O（n logn））进行完全排序要好

默认情况下，此函数沿阵列的最后一个轴工作。要考虑整个数组，需要使用。例如，这里有一个随机数组

a

：

>>> a = np.random.randint(0, 100, size=(5, 5))
>>> a
array([[60, 68, 86, 66,  9],
       [66, 26, 83, 87, 50],
       [41, 26,  0, 55,  9],
       [57, 80, 71, 50, 22],
       [94, 30, 95, 99, 76]])

然后，要获取（展平）2D数组中五个最大值的索引，请使用：

>>> i = np.argpartition(a.ravel(), -5)[-5:] # argpartition(a.ravel(), 5)[:5] for smallest
>>> i
array([ 2,  8, 22, 23, 20])

要返回

a

中这些位置的相应2D索引，请使用：

然后用

i2d

索引

a

，返回五个最大值：

>>> a[i2d]
array([86, 87, 95, 99, 94])

---

np.partition

（索引的

np.argpartition

）是O（n）-我认为这是您在这里所能期望的最好结果。它需要首先对数组进行散开（这应该只创建一个视图，因此不会导致任何性能损失）。然后，您可以使用

unravel_index

获取原始数组中的二维索引。在这种情况下，排序速度更快：

%timeit a.ravel.argpartition（-5）->5.5µs

和

%timeit a.ravel.argsort（）->3.8µs

。当然，对于更大的阵列，这是正确的方法。

>>> a[i2d]
array([86, 87, 95, 99, 94])