正如@Kanmani所暗示的，更容易解释的实现可能使用numpy。翻转，如下所示:

import numpy as np

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

通过使用访问者模式而不是成员函数，可以更容易地读取操作的顺序。

正如@Kanmani所暗示的，更容易解释的实现可能使用numpy。翻转，如下所示:

import numpy as np

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

通过使用访问者模式而不是成员函数，可以更容易地读取操作的顺序。

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:]

按降序排序:

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

获得结果(n=4):

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

就像Python一样，[::-1]颠倒argsort()返回的数组，[:n]给出最后n个元素:

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

这个方法的优点是ids是avgdist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，而不是一个副本)

另一种方法是:

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

问题是这种工作方式是为数组中的每个元素创建负数:

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

ANd创建一个副本来这样做:

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

所以如果你用这个很小的数据集计算每一个时间:

>>> 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

view方法基本上更快(并且使用1/2的内存…)

考虑相等元素的顺序

如果你运行一个排序程序并且两个元素相等，那么顺序通常不会改变。然而，flip/[::-1]方法改变了相等元素的顺序。

>>> arr = np.array([3, 5, 4, 7, 3])
>>> 
>>> np.argsort(arr)[::-1]
array([3, 1, 2, 4, 0])  # equal elements reorderd
>>> np.argsort(-arr)
array([3, 1, 2, 0, 4])  # equal elements not reorderd (compatible to other sorting)

出于兼容性原因，我更喜欢使用负数组的argsort方法。当arr表示更复杂元素的数字表示时，这一点尤其重要。

例子:

obj = ['street', 'house', 'bridge', 'station', 'rails']
arr = np.array([3, 5, 4, 7, 3])  # cost of obj in coins

免责声明:一个更常见的方法是解决上面的例子排序(list_of_tuples_obj_cost, key=lambda x: x[1])

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]