numpy.partition

原文：https://docs.scipy.org/doc/numpy/reference/generated/numpy.partition.html

译者：飞龙 UsyiyiCN

校对：（虚位以待）

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

返回数组的分区副本。

创建数组的副本，其元素重新排列，使得第k个位置的元素的值在排序数组中的位置。小于第k个元素的所有元素在此元素之前移动，并且所有等于或大于的元素都移动到其后面。两个分区中的元素的顺序未定义。

版本1.8.0中的新功能。

参数：	a：array_like 数组要排序。 kth：int或ints序列 分区的元素索引。元素的第k个值将在其最终排序位置，并且所有较小的元素将在其之前移动，并且所有较小的元素将在其之后移动。分区中所有元素的顺序未定义。如果提供了第k个序列，它将把由其第k个索引的所有元素一次性分割到它们的排序位置。 axis：int或None，可选 要排序的轴。如果为“无”，则在排序之前将数组展平。默认值为-1，沿最后一个轴排序。 kind：{'introselect'}，可选 选择算法。默认是'introselect'。 order：str或str的列表，可选 当a是定义了字段的数组时，此参数指定首先，第二等比较哪些字段。单个字段可以指定为字符串。不是所有的字段都需要指定，但是未指定的字段仍然会按照它们在dtype中出现的顺序使用，以断开关系。
返回：	partitioned_array：ndarray 数组的类型和形状与a相同。

也可以看看

ndarray.partition

对数组进行就地排序的方法。

argpartition

间接分区。

sort

完全排序

笔记

各种选择算法的特征在于它们的平均速度，最坏情况性能，工作空间大小，以及它们是否稳定。稳定排序使用具有相同相对顺序的相同键的项目。可用的算法具有以下属性：

类	速度	最坏的情况下	工作空间	稳定
'introselect'	1	上）	0	没有

当沿着除最后一个轴之外的任何分区时，所有分区算法都产生数据的临时副本。因此，沿着最后一个轴的分割更快，并且使用比沿着任何其它轴的分割更少的空间。

复数的排序顺序是字典。如果实部和虚部都是非纳米，则阶数由实部确定，除非它们相等，在这种情况下，阶数由虚部确定。

例子

>>> a = np.array([3, 4, 2, 1])
>>> np.partition(a, 3)
array([2, 1, 3, 4])

>>> np.partition(a, (1, 3))
array([1, 2, 3, 4])