numpy.partition

numpy.partition(a, kth, axis=-1, kind='introselect', order=None)

傳回陣列的分割副本。

建立陣列的副本，並對其進行部分排序，使得第 k 個位置的元素值位於排序陣列中應有的位置。在輸出陣列中，所有小於第 k 個元素的元素都位於該元素的左側，所有大於或等於該元素的元素都位於其右側。輸出陣列中第 k 個元素任一側的兩個分割區中元素的順序是未定義的。

參數：

aarray_like

要排序的陣列。

kthint 或 int 序列

要依其分割的元素索引。第 k 個元素值將位於其最終排序位置，所有較小的元素將移到其前面，所有相等或較大的元素將移到其後面。分割區中所有元素的順序是未定義的。如果提供 k 個元素的序列，它將一次將所有由 k 個元素索引的元素分割到其排序位置。

版本 1.22.0 已棄用：不建議將布林值作為索引傳遞。

axisint 或 None，選用

要沿其排序的軸。如果為 None，則在排序前將陣列展平。預設值為 -1，表示沿最後一個軸排序。

kind{‘introselect’}，選用

選擇演算法。預設值為 ‘introselect’。

orderstr 或 str 列表，選用

當 a 是具有已定義欄位的陣列時，此引數指定要先比較哪個欄位，然後比較第二個欄位，依此類推。單個欄位可以指定為字串。並非所有欄位都需要指定，但未指定的欄位仍將按它們在 dtype 中出現的順序使用，以打破平局。

傳回：

partitioned_arrayndarray

與 a 類型和形狀相同的陣列。

另請參閱

ndarray.partition

就地排序陣列的方法。

argpartition

間接分割。

sort

完整排序

註解

各種選擇演算法的特點是它們的平均速度、最壞情況效能、工作空間大小以及它們是否穩定。穩定排序會將具有相同鍵的項目保持相同的相對順序。可用的演算法具有以下屬性

kind	速度	最壞情況	工作空間	穩定
‘introselect’	1	O(n)	0	否

當沿最後一個軸以外的任何軸分割時，所有分割演算法都會建立資料的臨時副本。因此，沿最後一個軸分割比沿任何其他軸分割更快，並且使用更少的空間。

複數的排序順序是詞典順序。如果實部和虛部都不是 nan，則順序由實部決定，除非它們相等，在這種情況下，順序由虛部決定。

np.nan 的排序順序大於 np.inf。

範例

>>> import numpy as np
>>> a = np.array([7, 1, 7, 7, 1, 5, 7, 2, 3, 2, 6, 2, 3, 0])
>>> p = np.partition(a, 4)
>>> p
array([0, 1, 2, 1, 2, 5, 2, 3, 3, 6, 7, 7, 7, 7]) # may vary

p[4] 為 2；p[:4] 中的所有元素都小於或等於 p[4]，並且 p[5:] 中的所有元素都大於或等於 p[4]。分割為

[0, 1, 2, 1], [2], [5, 2, 3, 3, 6, 7, 7, 7, 7]

下一個範例顯示了傳遞給 kth 的多個值的使用。

>>> p2 = np.partition(a, (4, 8))
>>> p2
array([0, 1, 2, 1, 2, 3, 3, 2, 5, 6, 7, 7, 7, 7])

p2[4] 為 2，p2[8] 為 5。p2[:4] 中的所有元素都小於或等於 p2[4]，p2[5:8] 中的所有元素都大於或等於 p2[4] 且小於或等於 p2[8]，並且 p2[9:] 中的所有元素都大於或等於 p2[8]。分割為

[0, 1, 2, 1], [2], [3, 3, 2], [5], [6, 7, 7, 7, 7]