maxframe.tensor.argpartition#

maxframe.tensor.argpartition(a, kth, axis=-1, kind='introselect', order=None, **kw)[源代码]#

使用 kind 关键字指定的算法沿给定轴执行间接分区。它返回一个与 a 形状相同的索引数组，该数组沿给定轴以分区顺序索引数据。

在 1.8.0 版本加入.

参数:

a (array_like) -- 要排序的张量。
kth (int or sequence of ints) -- 用于分区的元素索引。第 k 个元素将位于其最终排序位置，所有较小的元素将被移到它之前，所有较大的元素将被移到它之后。分区中所有元素的顺序是未定义的。如果提供了一个 k-th 序列，它将一次性将所有元素分区到其排序位置。
axis (int or None, optional) -- 用于排序的轴。默认值为 -1（最后一个轴）。如果为 None，则使用展平的张量。
kind ({'introselect'}, optional) -- 选择算法。默认为 'introselect'
order (str or list of str, optional) -- 当 a 是具有定义字段的张量时，此参数指定首先、其次等比较哪些字段。单个字段可以指定为字符串，并非所有字段都需要指定，但未指定的字段仍将在 dtype 中出现的顺序用于打破平局。

返回:

index_tensor -- 沿指定轴对 a 进行分区的索引张量。如果 a 是一维的，则 a[index_tensor] 产生分区后的 a。更一般地，np.take_along_axis(a, index_tensor, axis=a) 总是产生分区后的 a，无论维度如何。

返回类型:

Tensor, int

参见

partition: 描述所使用的分区算法。
Tensor.partition: 就地分区。
argsort: 完全间接排序

备注

有关不同选择算法的说明，请参见 partition。

示例

一维张量：

>>> import maxframe.tensor as mt
>>> x = mt.array([3, 4, 2, 1])
>>> x[mt.argpartition(x, 3)].execute()
array([2, 1, 3, 4])
>>> x[mt.argpartition(x, (1, 3))].execute()
array([1, 2, 3, 4])

>>> x = [3, 4, 2, 1]
>>> mt.array(x)[mt.argpartition(x, 3)].execute()
array([2, 1, 3, 4])