使用 Numpy.argpartition 按排序顺序获取每列的 k 最小值答案

【问题标题】：Geting the k-smallest values of each column in sorted order using Numpy.argpartition使用 Numpy.argpartition 按排序顺序获取每列的 k 最小值
【发布时间】：2017-03-18 13:24:54
【问题描述】：

使用 np.argpartition，它不会对整个数组进行排序。它只保证第 k 个元素处于排序位置，并且所有较小的元素都将移到它之前。因此，前 k 个元素将是 k 个最小的元素

>>> num = 3
>>> myBigArray=np.array([[1,3,2,5,7,0],[14,15,6,5,7,0],[17,8,9,5,7,0]])
>>> top = np.argpartition(myBigArray, num, axis=1)[:, :num]
>>> print top
[[5 0 2]
[3 5 2]
[5 3 4]]
>>> myBigArray[np.arange(myBigArray.shape[0])[:, None], top]
[[0 1 2]
[5 0 6]
[0 5 7]]

这将返回每列的 k 最小值。请注意，这些可能不是按排序顺序排列的。我使用此方法是因为以这种方式按排序顺序获取前 k 个元素需要 O(n + k log k) 时间我想按排序顺序获取每列的 k 最小值，而不增加时间复杂度。有什么建议么？？

【问题讨论】：

您的问题是如何从最小的k 到最大的（顶部？）k？在您的示例中，您似乎已经处理了最小的情况。或者问题是如何从行到列？
不，我想按排序顺序获取每列的 k 最小值。

标签： python-2.7 numpy

【解决方案1】：

要使用np.argpartition 并保持排序顺序，我们需要将这些元素范围用作range(k)，而不是只输入标量kth 参数-

idx = np.argpartition(myBigArray, range(num), axis=1)[:, :num]
out = myBigArray[np.arange(idx.shape[0])[:,None], idx]

【讨论】：

【解决方案2】：

您可以使用在行的情况下使用的完全相同的技巧；结合@Divakar 的排序技巧，这就变成了

In [42]: num = 2

In [43]: myBigArray[np.argpartition(myBigArray, range(num), axis=0)[:num, :], np.arange(myBigArray.shape[1])[None, :]]
Out[43]: 
array([[ 1,  3,  2,  5,  7,  0],
       [14,  8,  6,  5,  7,  0]])

【讨论】：

【解决方案3】：

一点间接索引就可以解决问题。请注意，自从您开始研究行以来，我一直在研究行。

fdim = np.arange(3)[:, None]
so = np.argsort(myBigArray[fdim, top], axis=-1)
tops = top[fdim, so]
myBigArray[fdim, tops]
# array([[0, 1, 2],
         [0, 5, 6],
         [0, 5, 7]])

关于argpartition 和range 参数的注释： 我强烈怀疑它不是 O(n + k log k);无论如何，它通常比手动慢几倍 argpartition + argsort 请参阅 here

【讨论】：

任何使用 np.argpartition 的解决方案？？
@RajaHammadFarooq 它使用argpartition;它在你的第三行之后开始。我的意思是它应该包括前三行。