而不是用np。Argsort你可以用np。Argpartition -如果你只需要最低/最高n个元素的索引。

这并不需要对整个数组进行排序，只需要对你需要的部分进行排序，但请注意“分区内的顺序”是未定义的，所以虽然它给出了正确的索引，但它们的顺序可能并不正确:

>>> 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)

而不是用np。Argsort你可以用np。Argpartition -如果你只需要最低/最高n个元素的索引。

这并不需要对整个数组进行排序，只需要对你需要的部分进行排序，但请注意“分区内的顺序”是未定义的，所以虽然它给出了正确的索引，但它们的顺序可能并不正确:

>>> 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)

您可以创建数组的副本，然后将每个元素与-1相乘。 结果，前面最大的元素会变成最小的元素。 副本中最小的n个元素的折号就是原始文件中最大的n个元素。

另一种方法是在argsort的参数中只使用一个'-'，例如:"df[np。Argsort (-df[:， 0])]"，如果df是数据帧，你想要按第一列排序(由列号'0'表示)。适当地更改列名。当然，列必须是数字。

可以使用翻转命令numpy.flipud()或numpy.fliplr()在使用argsort命令排序后按降序获取索引。那是我通常做的事。

一种优雅的方式可以如下-

ids = np.flip(np.argsort(avgDists))

这将给出按降序排序的元素索引。 现在你可以使用常规切片…

top_n = ids[:n]