argsortを降順で使用できますか？

次のコードを検討してください。

avgDists = np.array([1, 8, 6, 9, 4])
ids = avgDists.argsort()[:n]

これにより、n最小の要素のインデックスが得られます。これargsortを降順で使用して、n最高の要素のインデックスを取得することは可能ですか？

配列を否定すると、最低の要素が最高の要素になり、逆も同様です。したがって、n最も高い要素のインデックスは次のとおりです。

(-avgDists).argsort()[:n]

コメントで言及されているように、これを推論する別の方法は、大きな要素が引数ソートの最後に来ることを観察することです。したがって、argsortの末尾から読み取って、n最高の要素を見つけることができます。

avgDists.argsort()[::-1][:n]

ここでは呼び出しが主な用語であるため、どちらの方法も時間の複雑さではO（n log n）argsortです。しかし、2番目のアプローチには優れた利点があります。それは、配列のO（n）否定をO（1）スライスに置き換えることです。ループ内で小さな配列を操作している場合は、その否定を回避することでパフォーマンスが向上する可能性があります。また、巨大な配列を操作している場合は、否定によって配列全体のコピーが作成されるため、メモリ使用量を節約できます。

これらのメソッドが常に同等の結果をもたらすとは限らないことに注意してくださいargsort。たとえば、キーワード引数を渡すことによって安定したソートの実装が要求されたkind='mergesort'場合、最初の戦略はソートの安定性を維持しますが、2番目の戦略は安定性を壊します（つまり、等しい位置アイテムは逆になります）。

タイミングの例：

100個のフロートと長さ30の尾の小さな配列を使用すると、表示方法は約15％速くなりました

>>> avgDists = np.random.rand(100)
>>> n = 30
>>> timeit (-avgDists).argsort()[:n]
1.93 µs ± 6.68 ns per loop (mean ± std. dev. of 7 runs, 1000000 loops each)
>>> timeit avgDists.argsort()[::-1][:n]
1.64 µs ± 3.39 ns per loop (mean ± std. dev. of 7 runs, 1000000 loops each)
>>> timeit avgDists.argsort()[-n:][::-1]
1.64 µs ± 3.66 ns per loop (mean ± std. dev. of 7 runs, 1000000 loops each)

より大きな配列の場合、argsortが支配的であり、大きなタイミングの違いはありません。

>>> avgDists = np.random.rand(1000)
>>> n = 300
>>> timeit (-avgDists).argsort()[:n]
21.9 µs ± 51.2 ns per loop (mean ± std. dev. of 7 runs, 10000 loops each)
>>> timeit avgDists.argsort()[::-1][:n]
21.7 µs ± 33.3 ns per loop (mean ± std. dev. of 7 runs, 10000 loops each)
>>> timeit avgDists.argsort()[-n:][::-1]
21.9 µs ± 37.1 ns per loop (mean ± std. dev. of 7 runs, 10000 loops each)

以下のnedimからのコメントは正しくないことに注意してください。これらの操作は両方とも配列のビューを別々にストライドするだけで、実際にはデータをコピーしないため、リバースの前後で切り捨てるかどうかは効率に違いはありません。

Pythonのように、[::-1]によって返された配列を逆にし、最後のn個の要素argsort()を[:n]与えます。

>>> avgDists=np.array([1, 8, 6, 9, 4])
>>> n=3
>>> ids = avgDists.argsort()[::-1][:n]
>>> ids
array([3, 1, 2])

この方法の利点は、つまり、idsあるビュー avgDistsの：

>>> ids.flags
  C_CONTIGUOUS : False
  F_CONTIGUOUS : False
  OWNDATA : False
  WRITEABLE : True
  ALIGNED : True
  UPDATEIFCOPY : False

（「OWNDATA」がFalseの場合、これはビューであり、コピーではないことを示します）

これを行う別の方法は次のようなものです：

(-avgDists).argsort()[:n]

問題は、これが機能する方法が、配列内の各要素の負を作成することであるということです。

>>> (-avgDists)
array([-1, -8, -6, -9, -4])

ANdはそのためのコピーを作成します。

>>> (-avgDists_n).flags['OWNDATA']
True

したがって、それぞれの時間を計ると、この非常に小さなデータセットで：

>>> 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

表示方法はかなり高速です（メモリを半分使用します...）

フリップコマンドを使用するnumpy.flipud()かnumpy.fliplr()、argsortコマンドを使用してソートした後、インデックスを降順で取得できます。それは私が通常行うことです。

を使用np.argsortする代わりに、使用することができますnp.argpartition-最小/最大のn要素のインデックスのみが必要な場合。

配列全体を並べ替える必要はありませんが、必要な部分だけを並べ替える必要がありますが、「パーティション内の順序」は定義されていないため、正しいインデックスを提供しますが、正しく順序付けされない場合があります。

>>> 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)

配列のコピーを作成し、各要素に-1を掛けることができます。
効果として、以前最大の要素が最小になります。
コピー内の最小のn個の要素のインデックスは、元の最大のn個の要素です。

@Kanmaniが示唆numpy.flipしたように、次のように、実装を解釈するのがより簡単な場合はを使用できます。

import numpy as np

avgDists = np.array([1, 8, 6, 9, 4])
ids = np.flip(np.argsort(avgDists))
print(ids)

メンバー関数ではなくビジターパターンを使用することで、操作の順序を簡単に読み取ることができます。

あなたの例で：

avgDists = np.array([1, 8, 6, 9, 4])

n個の最大値のインデックスを取得します。

ids = np.argpartition(avgDists, -n)[-n:]

降順に並べ替えます。

ids = ids[np.argsort(avgDists[ids])[::-1]]

結果を取得する（n = 4の場合）：

>>> avgDists[ids]
array([9, 8, 6, 4])

もう1つの方法は、argsortの引数に「-」のみを使用することです。 "df [np.argsort（-df [:, 0]）]"、ただし、dfがデータフレームであり、最初にソートしたい場合列（列番号「0」で表されます）。必要に応じて列名を変更します。もちろん、列は数値である必要があります。