如何获得一个numpy数组中的N个最大值的索引？
Numpy提出了一种通过np.argmax得到数组最大值索引的np.argmax 。
我想要一个类似的东西，但是返回N个最大值的索引。
例如，如果我有一个数组[1, 3, 2, 4, 5] ，它的function(array, n=3)将返回[4, 3, 1] 。
谢谢 ：）
我能够想到的最简单的方法是：
In [1]: import numpy as np In [2]: arr = np.array([1, 3, 2, 4, 5]) In [3]: arr.argsort()[-3:][::-1] Out[3]: array([4, 3, 1])
这涉及到一个完整的数组。 我不知道numpy提供了一个内置的方式来做一个部分sorting; 到目前为止，我还没有find一个。
如果这个解决scheme变得太慢（特别是对于小n ），可能值得在Cython中编码。
较新的NumPy版本（1.8及以上）有一个称为argpartition的function。 为了得到四个最大元素的指标，
>>> a array([9, 4, 4, 3, 3, 9, 0, 4, 6, 0]) >>> ind = np.argpartition(a, -4)[-4:] >>> ind array([1, 5, 8, 0]) >>> a[ind] array([4, 9, 6, 9])
与argsort不同的argsort ，这个函数在最坏的情况下以线性时间运行，但是返回的索引没有被sorting，从评估a[ind]的结果可以看出。 如果你也需要这个，请在后面进行分类：
>>> ind[np.argsort(a[ind])] array([1, 8, 5, 0])
为了以这种方式获得sorting顺序的top- k元素，需要O（ n + k log k ）时间。
编辑：修改包括Ashwini乔杜里的改进。
>>> import heapq >>> import numpy >>> a = numpy.array([1, 3, 2, 4, 5]) >>> heapq.nlargest(3, range(len(a)), a.take) [4, 3, 1]
对于常规Python列表：
>>> a = [1, 3, 2, 4, 5] >>> heapq.nlargest(3, range(len(a)), a.__getitem__) [4, 3, 1]
如果您使用Python 2，请使用xrange而不是range 。
资料来源： http : //docs.python.org/3/library/heapq.html
更简单：
idx = (-arr).argsort()[:n]
其中n是最大值的数量。
如果你碰巧正在处理一个multidimensional array，那么你需要将这些索引展平：
def largest_indices(ary, n): """Returns the n largest indices from a numpy array.""" flat = ary.flatten() indices = np.argpartition(flat, -n)[-n:] indices = indices[np.argsort(-flat[indices])] return np.unravel_index(indices, ary.shape)
例如：
>>> xs = np.sin(np.arange(9)).reshape((3, 3)) >>> xs array([[ 0. , 0.84147098, 0.90929743], [ 0.14112001, -0.7568025 , -0.95892427], [-0.2794155 , 0.6569866 , 0.98935825]]) >>> largest_indices(xs, 3) (array([2, 0, 0]), array([2, 2, 1])) >>> xs[largest_indices(xs, 3)] array([ 0.98935825, 0.90929743, 0.84147098])
如果你不关心第K个最大的元素的顺序 ，你可以使用argpartition ，它应该比通过argsort的完整sortingargsort 。
K = 4 # we want the indeces of the four largest values a = np.array([0, 8, 0, 4, 5, 8, 8, 0, 4, 2]) np.argpartition(a,-K)[-K:] array([4, 1, 5, 6])
感谢这个问题 。
我跑了一些testing，它看起来argpartition比argsort的大小和K的值增加。
这将比完整sorting更快，具体取决于原始数组的大小和select的大小：
>>> A = np.random.randint(0,10,10) >>> A array([5, 1, 5, 5, 2, 3, 2, 4, 1, 0]) >>> B = np.zeros(3, int) >>> for i in xrange(3): ... idx = np.argmax(A) ... B[i]=idx; A[idx]=0 #something smaller than A.min() ... >>> B array([0, 2, 3])
当然，这涉及到篡改你的原始数组。 您可以通过复制或replace原始值来修复（如果需要）。 …对于您的使用情况，以较低者为准。
bottleneck有一个部分sorting的function，如果sorting整个数组只是为了得到N个最大值的代价太大。
我对这个模块一无所知。 我刚刚GOOGLE了numpy partial sort 。
对于multidimensional array，您可以使用axis关键字来沿预期坐标轴应用分区。
# For a 2D array indices = np.argpartition(arr, -N, axis=1)[:, -N:]
并抓取物品：
x = arr.shape[0] arr[np.repeat(np.arange(x), N), indices.ravel()].reshape(x, N)
但请注意，这不会返回一个sorting的结果。 在这种情况下，您可以沿预期的轴使用np.argsort() ：
indices = np.argsort(arr, axis=1)[:, -N:] # result x = arr.shape[0] arr[np.repeat(np.arange(x), N), indices.ravel()].reshape(x, N)
这里是一个例子：
In [42]: a = np.random.randint(0, 20, (10, 10)) In [44]: a Out[44]: array([[ 7, 11, 12, 0, 2, 3, 4, 10, 6, 10], [16, 16, 4, 3, 18, 5, 10, 4, 14, 9], [ 2, 9, 15, 12, 18, 3, 13, 11, 5, 10], [14, 0, 9, 11, 1, 4, 9, 19, 18, 12], [ 0, 10, 5, 15, 9, 18, 5, 2, 16, 19], [14, 19, 3, 11, 13, 11, 13, 11, 1, 14], [ 7, 15, 18, 6, 5, 13, 1, 7, 9, 19], [11, 17, 11, 16, 14, 3, 16, 1, 12, 19], [ 2, 4, 14, 8, 6, 9, 14, 9, 1, 5], [ 1, 10, 15, 0, 1, 9, 18, 2, 2, 12]]) In [45]: np.argpartition(a, np.argmin(a, axis=0))[:, 1:] # 1 is because the first item is the minimum one. Out[45]: array([[4, 5, 6, 8, 0, 7, 9, 1, 2], [2, 7, 5, 9, 6, 8, 1, 0, 4], [5, 8, 1, 9, 7, 3, 6, 2, 4], [4, 5, 2, 6, 3, 9, 0, 8, 7], [7, 2, 6, 4, 1, 3, 8, 5, 9], [2, 3, 5, 7, 6, 4, 0, 9, 1], [4, 3, 0, 7, 8, 5, 1, 2, 9], [5, 2, 0, 8, 4, 6, 3, 1, 9], [0, 1, 9, 4, 3, 7, 5, 2, 6], [0, 4, 7, 8, 5, 1, 9, 2, 6]]) In [46]: np.argpartition(a, np.argmin(a, axis=0))[:, -3:] Out[46]: array([[9, 1, 2], [1, 0, 4], [6, 2, 4], [0, 8, 7], [8, 5, 9], [0, 9, 1], [1, 2, 9], [3, 1, 9], [5, 2, 6], [9, 2, 6]]) In [89]: a[np.repeat(np.arange(x), 3), ind.ravel()].reshape(x, 3) Out[89]: array([[10, 11, 12], [16, 16, 18], [13, 15, 18], [14, 18, 19], [16, 18, 19], [14, 14, 19], [15, 18, 19], [16, 17, 19], [ 9, 14, 14], [12, 15, 18]])
from operator import itemgetter from heapq import nlargest result = nlargest(N, enumerate(your_list), itemgetter(1))
现在结果列表将包含N个元组（索引，值），其中值被最大化
