Я хочу реализовать дерево точек выигрыша в Python, но оно использует std :: nth_element в C ++.
Итак, я хочу найти эквивалентную функцию nth_element в Python или в numpy.
Обратите внимание, что nth_element будет только частично упорядочивать массив, и это O (N).
int the_array[10] = {4,5,7,3,6,0,1,2,9,8};
std::vector<int> the_v(the_array,the_array+10);
std::nth_element (the_v.begin()+0, the_v.begin()+5, the_v.begin()+10);
И теперь вектор может быть:
3,0,2,1,4,5,6,7,9,8
И я не только хочу получить n-й элемент, но также хочу переупорядочить две части списка, [3,0,2,1,4] и [6,7,9,8].
Кроме того, поддержка nth_element принимает функцию, которая может сравнивать два элемента, например, как показано ниже, вектор является вектором op DataPoint, а функция DistanceComparator будет сравнивать расстояние между двумя точками с the_v.begin ():
vector<DataPoint> the_v;
for(int n = 0; n < N; n++) the_v[n] = DataPoint(D, n, X + n * D);
std::nth_element (the_v.begin()+0, the_v.begin()+5, the_v.begin()+10,
DistanceComparator(the_v.begin()));
РЕДАКТИРОВАТЬ:
Я использовал ответ bhuvan-venkatesh и написал код для тестирования.
partition_timer = timeit.Timer("numpy.partition(a, 10000)",
"import numpy;numpy.random.seed(2);"+
"a = numpy.random.rand(10000000)")
print(partition_timer.timeit(10))
sort_timer = timeit.Timer("numpy.sort(a)",
"import numpy;numpy.random.seed(2);"+
"a = numpy.random.rand(10000000)")
print(sort_timer.timeit(10))
sorted_timer = timeit.Timer("sorted(a)",
"import numpy;numpy.random.seed(2);"+
"a = numpy.random.rand(10000000)")
print(sorted_timer.timeit(10))
и результат:
2.2217168808
17.0386350155
281.301710844
А затем я проведу еще несколько тестов с использованием кода C ++.
Но есть проблема: при использовании numpy он всегда будет возвращать новый массив, он будет тратить много памяти, когда мой массив огромен. Как я могу с этим справиться. Или мне просто нужно написать расширение C ++ для python.
РЕДАКТИРОВАТЬ2:
@ bhuvan-venkatesh Спасибо за рекомендацию функции разделения.
Я использую раздел, как показано ниже:
import numpy
@profile
def for_numpy():
numpy.random.seed(2)
a = numpy.random.rand(1e7)
for i in range(100):
a.partition(numpy.random.randint(1e6))
if __name__ == '__main__':
for_numpy()
и запустил профилировщик, например:
python -m memory_profiler profiler_test.py
и результат:
Line # Mem usage Increment Line Contents
================================================
25 23.613 MiB 0.000 MiB @profile
26 def for_numpy():
27 23.613 MiB 0.000 MiB numpy.random.seed(2)
28 99.934 MiB 76.320 MiB a = numpy.random.rand(1e7)
29 100.004 MiB 0.070 MiB for i in range(100):
30 100.004 MiB 0.000 MiB a.partition(numpy.random.randint(1e6))
И он не будет копировать весь массив, например: numpy.partition (a, 3)
Вывод: я хочу найти numpy.ndarray.partition.
numpy.partition
- хорошая реализация этих инструментов. - person user2357112 supports Monica   schedule 04.08.2016