是否可以按降序使用argsort
考虑下面的代码：
avgDists = np.array([1, 8, 6, 9, 4]) ids = avgDists.argsort()[:n] 这给了我n最小元素的索引。 是否有可能使用这个相同的argsort降序获得n最高元素的指数？
如果你否定一个数组，最低的元素成为最高的元素，反之亦然。 因此， n最高要素的指标是：
(-avgDists).argsort()[:n]
正如评论中提到的那样，另一种推理的方法是观察这些大元素是否会在最后的时候出现。 所以，你可以从尾巴中读取最高的元素：
avgDists.argsort()[::-1][:n]
这两种方法的时间复杂度都是O（n log n） ，因为在这里argsort调用是占主导地位的。 但第二种方法有一个很好的优点：它用一个O（1）片代替O（n）数组的否定。 如果你正在处理循环内的小数组，那么你可以通过避免这个否定获得一些性能上的提升，如果你正在处理巨大的数组，那么你可以节省内存使用，因为否定会创build整个数组的副本。
注意，这些方法并不总是给出相同的结果：如果一个稳定的sorting实现被要求argsort ，例如通过传递关键字参数kind='mergesort' ，那么第一个策略将保持sorting的稳定性，但第二个策略将打破稳定（即相同项目的位置将被颠倒）。
就像Python一样， [::-1]反转了argsort()和[:n]返回的数组给出的最后n个元素：
>>> avgDists=np.array([1, 8, 6, 9, 4]) >>> n=3 >>> ids = avgDists.argsort()[::-1][:n] >>> ids array([3, 1, 2])
这种方法的优点是ids是avgDists的一个视图 ：
>>> ids.flags C_CONTIGUOUS : False F_CONTIGUOUS : False OWNDATA : False WRITEABLE : True ALIGNED : True UPDATEIFCOPY : False
（'OWNDATA'为False表示这是一个视图，而不是副本）
另一种方法是这样的：
(-avgDists).argsort()[:n]
问题是这样做的方式是创build数组中的每个元素的负数：
>>> (-avgDists) array([-1, -8, -6, -9, -4])
ANd创build一个副本来这样做：
>>> (-avgDists_n).flags['OWNDATA'] True
所以，如果你每一个时间，即使这个非常小的数据集：
>>> import timeit >>> timeit.timeit('(-avgDists).argsort()[:3]', setup="from __main__ import avgDists") 4.2879798610229045 >>> timeit.timeit('avgDists.argsort()[::-1][:3]', setup="from __main__ import avgDists") 2.8372560259886086
视图方法快得多
您可以创build数组的副本，然后将每个元素与-1相乘。
作为一个效果，以前最大的元素将成为最小的。
副本中n个最小元素的个数是原始元素中最重要的元素。
您可以使用flip命令numpy.flipud()或numpy.fliplr()在使用argsort命令sorting后按降序获取索引。 那是我通常做的。
您可以使用np.argpartition而不是使用np.argpartition – 如果您只需要最低/最高n个元素的索引。
这不需要sorting整个数组，但只需要你需要的部分，但要注意的是“你的分区内的顺序”是未定义的，所以虽然它给出正确的指数，他们可能不正确的顺序：
>>> avgDists = [1, 8, 6, 9, 4] >>> np.array(avgDists).argpartition(2)[:2] # indices of lowest 2 items array([0, 4], dtype=int64) >>> np.array(avgDists).argpartition(-2)[-2:] # indices of highest 2 items array([1, 3], dtype=int64)
另一种方法是在argsort的参数中只使用一个' – '，如：“df [np.argsort（-df [:, 0]）]”，如果df是数据框，并且您想按照第一个列（由列号“0”表示）。 根据需要更改列名称。 当然，这个列必须是数字的。
用你的例子：
avgDists = np.array([1, 8, 6, 9, 4])
获取n个最大值的索引：
ids = np.argpartition(avgDists, -n)[-n:]
按降序对它们进行sorting：
ids = ids[np.argsort(avgDists[ids])[::-1]]
获得结果（n = 4）：
>>> avgDists[ids] array([9, 8, 6, 4])
