numpy.partition
numpy.partition(a, kth, axis=-1, kind='introselect', order=None) [source]
返回数组的分区副本。
创建一个数组的副本，并对数组中的元素进行重新排列，使第k个位置上的元素的值在已排序的数组中所处的位置。所有小于第k个元素的元素都被移到这个元素前面，所有等于或大于这个元素的元素都被移到它后面。这两个分区中元素的顺序是未定义的。
1.8.0版中的新功能。
参数 ： | a ：array_like 要排序的数组。 kth ：i 分区依据的元素索引。 元素的第 所有较小的元素将在其之前移动， 而所有相等或较大的元素将在其后面移动。 分区中所有元素的顺序是不确定的。 如果提供了第 它将立即将所有按 axis ： 要排序的轴。 如果为 默认值为 kind ： 选择算法。 默认值为 或der ： 当a是一个定义了字段的数组时， 这个参数指定了第一个、第二个比较的字段， 等等。可以将单个字段指定为字符串。 并非所有字段都需要指定， 但仍将使用未指定字段， 按照它们在 |
返回值 ： | partitioned_array ： 与 |
Notes
各种选择算法的特征在于它们的平均速度，最差性能，工作空间大小以及它们是否稳定。 稳定的排序使具有相同键的项以相同的相对顺序保持。 可用算法具有以下属性：
沿着除最后一个轴以外的任何一个进行分区时，所有分区算法都会临时复制数据。 因此，与沿任何其他轴进行分区相比，沿最后一个轴进行分区速度更快且占用的空间更少。
复数的排序顺序是字典排序的。如果实部和虚部都是非nan，那么顺序由实部决定，除非它们相等，在这种情况下，顺序由虚部决定。
例子
1）一维数组中找第 2 小的数
import numpy as np
a = np.array([7, 2, 1, 5, 9])
parted = np.partition(a, 2) # 找第 2 小的数（下标从 0 开始）
print(parted)
2）找前 3 小的元素
import numpy as np
a = np.array([9, 4, 1, 7, 3, 6])
# 把第 2 小的放到正确位置
result = np.partition(a, 2)
# 取前 3 小
print(result[:3]) 3）在二维数组中按列部分排序
import numpy as np
a = np.array([[8, 4, 2],
[7, 1, 3]])
parted = np.partition(a, 1, axis=0)
print(parted)