在numpy数组中找到第n个最小的元素[重复]

Posted 2023-03-16

【中文标题】在numpy数组中找到第n个最小的元素[重复]

【英文标题】：Find nth smallest element in numpy array

【发布时间】：2018-09-01 15:52:39

【问题描述】：

我只需要找到一维 numpy.array 中最小的第 n 个元素。

例如：

a = np.array([90,10,30,40,80,70,20,50,60,0])

我想获得第五小的元素，所以我想要的输出是40。

我目前的解决方案是这样的：

result = np.max(np.partition(a, 5)[:5])

但是，找到 5 个最小的元素，然后取出最大的一个，这对我来说似乎有点笨拙。有更好的方法吗？我是否缺少一个可以实现目标的功能？

有些问题的标题与此类似，但我没有看到任何回答我的问题的内容。

编辑：

我本来应该提到它，但性能对我来说非常重要；因此，heapq 解决方案虽然不错，但对我不起作用。

import numpy as np
import heapq

def find_nth_smallest_old_way(a, n):
    return np.max(np.partition(a, n)[:n])

# Solution suggested by Jaime and HYRY    
def find_nth_smallest_proper_way(a, n):
    return np.partition(a, n-1)[n-1]

def find_nth_smallest_heapq(a, n):
    return heapq.nsmallest(n, a)[-1]
#    
n_iterations = 10000

a = np.arange(1000)
np.random.shuffle(a)

t1 = timeit('find_nth_smallest_old_way(a, 100)', 'from __main__ import find_nth_smallest_old_way, a', number = n_iterations)
print 'time taken using partition old_way: '.format(t1)    
t2 = timeit('find_nth_smallest_proper_way(a, 100)', 'from __main__ import find_nth_smallest_proper_way, a', number = n_iterations)
print 'time taken using partition proper way: '.format(t2) 
t3 = timeit('find_nth_smallest_heapq(a, 100)', 'from __main__ import find_nth_smallest_heapq, a', number = n_iterations)  
print 'time taken using heapq : '.format(t3)

结果：

time taken using partition old_way: 0.255564928055
time taken using partition proper way: 0.129678010941
time taken using heapq : 7.81094002724

【问题讨论】：

另外，查看docs.python.org/2/library/heapq.html

可能会有所帮助

@C.B.上述问题与我的问题有很大不同；它要求最小值和最大值，它是二维矩阵

这是怎么复制的？标题听起来很相似，但问题本身却大不相同。有时不同的问题会得出相同的答案，但这里的答案也大不相同。这个问题的答案不可能是我问题的答案。

【参考方案1】：

除非我遗漏了什么，否则你想做的是：

>>> a = np.array([90,10,30,40,80,70,20,50,60,0])
>>> np.partition(a, 4)[4]
40

np.partition(a, k) 会将a 的第一个最小元素k 放在a[k] 中，较小的值放在a[:k] 中，较大的值放在a[k+1:] 中。唯一需要注意的是，由于 0 索引，第五个元素位于索引 4。

【讨论】：

是的，就是这样。我想错了。我知道有更好的解决方案！

应该是 np.partition(a, 4)[3]

好的，第 5 个元素。

发现k必须大于等于括号[]中的数字。否则会弹出错误的答案（我预计这是一个错误）。我留下这个评论是为了防止有人滥用它来得到错误的答案

【参考方案2】：

你可以使用heapq.nsmallest:

>>> import numpy as np
>>> import heapq
>>> 
>>> a = np.array([90,10,30,40,80,70,20,50,60,0])
>>> heapq.nsmallest(5, a)[-1]
40

【讨论】：

不过，请检查您的表现。我最近遇到了一种情况，heapq.nsmallest 看起来很完美，但切片sorted 的速度大约快了 25%。我相信堆方法对于某些数据来说更快，但并非对所有数据都适用。我不知道 numpy 数组是否有什么特别之处会影响这种方式或其他方式。

@PeterDeGlopper 好吧，对于较小的数据集，排序方法可能更快，但对于较大的数据集，堆方法应该更快。您指的数据有多大？

不大 - 大约 100 个 3 元组整数的列表。所以可能远低于堆方法获胜的水平。

我在原始帖子中的解决方案是 O(n)，因为 np.partition 和 np.max 都是 O(n)。

我见过一些实例，其中实际的 heapify 加上 n 个 heappop 操作比使用 nsmallest 或切片 sorted 快得多。只是把它扔在那里。

【参考方案3】：

你不需要打电话numpy.max():

def nsmall(a, n):
    return np.partition(a, n)[n]

【讨论】：

应该是 np.partition(a, n)[n-1]