Python中的i阶统计量

给定一个

n

可比较元素（比如数字或字符串）的列表，找到

i

th有序元素的最佳算法需要

O（n）

时间

---

Python是否以本机方式实现列表、dict、集合等的时间顺序统计？

Python提到的数据结构中没有一个以本机方式实现第i顺序统计算法

---

事实上，这对于字典和集合可能没有多大意义，因为它们都没有对元素的顺序进行假设。对于列表，应该不难实现，它提供了O（n）运行时间。

如果i这不是本机解决方案，但您可以使用NumPy查找O（n）时间内列表的k阶统计信息

---

编辑：这假设索引为零，即上面的“零阶统计”为

0

，希望downvoter和closevoter发表评论。这是不准确的。分区之后，您需要找到最大值。所以这个

np.partition（np.asarray（x），k）[:k].max（）

@piRSquared，谢谢。我认为您将其解释为1索引，所以我现在已经澄清了这一点。我的观点是

np.partition

不是排序。这就是问题所在，也是为什么它更好的原因。这就是说，因为它没有被排序，所以不能保证第k个顺序统计信息处于第k个位置。我指的不是基于零或一的索引。我指的是这样一个事实，有时你的解决方案会产生错误的答案。假设我想要从0到36的随机混合整数集中得到5阶统计量。你的答案产生了

1

，我的例子是：

np.random.seed（0）；np.划分（np.随机.置换（np.arange（37）），5）[4]

。答案应该是

4

。为了纠正这一点，您需要找到前k个元素的最大值<编码>np.random.seed（0）；np.partition（np.random.permutation（np.arange（37）），5）[:5].max（）@piRSquared，在您的示例中，0阶统计量是

0

，5阶统计量是

5

。试着做：

np.partition（np.random.permutation）（np.arange（37）），5）[5]

，你会得到

5

的正确答案。您是正确的

np。分区

不会排序，但它所做的一件事是确保

5

位于第五位。

import numpy as np
x = [2, 4, 0, 3, 1]
k = 2
print('The k-th order statistic is:', np.partition(np.asarray(x), k)[k])