为了找到最小值的索引，我可以使用argmin：
import numpy as np
A = np.array([1, 7, 9, 2, 0.1, 17, 17, 1.5])
print A.argmin() # 4 because A[4] = 0.1
我正在寻找类似的东西：
print A.argmin(numberofvalues=3)
# [4, 0, 7] because A[4] <= A[0] <= A[7] <= all other A[i]
注意：在我的用例中，A 的值介于 ~ 10 000 和 100 000 之间，我只对 k=10 个最小值的索引感兴趣。 k 永远不会 > 10。
【问题讨论】：
使用np.argpartition。它不对整个数组进行排序。它只保证kth 元素处于排序位置，并且所有较小的元素都将移到它之前。因此，第一个 k 元素将是 k 最小的元素。
import numpy as np
A = np.array([1, 7, 9, 2, 0.1, 17, 17, 1.5])
k = 3
idx = np.argpartition(A, k)
print(idx)
# [4 0 7 3 1 2 6 5]
这将返回 k 最小值。请注意，这些可能不是按排序顺序排列的。
print(A[idx[:k]])
# [ 0.1 1. 1.5]
要获得 k 最大值，请使用
idx = np.argpartition(A, -k)
# [4 0 7 3 1 2 6 5]
A[idx[-k:]]
# [ 9. 17. 17.]
警告：不要（重新）使用idx = np.argpartition(A, k); A[idx[-k:]] 来获得k-largest。
这并不总是有效的。例如，这些不是x 中的 3 个最大值：
x = np.array([100, 90, 80, 70, 60, 50, 40, 30, 20, 10, 0])
idx = np.argpartition(x, 3)
x[idx[-3:]]
array([ 70, 80, 100])
这是与np.argsort 的比较，它也可以，但只是对整个数组进行排序以获得结果。
In [2]: x = np.random.randn(100000)
In [3]: %timeit idx0 = np.argsort(x)[:100]
100 loops, best of 3: 8.26 ms per loop
In [4]: %timeit idx1 = np.argpartition(x, 100)[:100]
1000 loops, best of 3: 721 µs per loop
In [5]: np.alltrue(np.sort(np.argsort(x)[:100]) == np.sort(np.argpartition(x, 100)[:100]))
Out[5]: True
【讨论】：
a 是一个带有字段的数组（即structured array），那么您可以指定order 或让未指定的字段用于断绝关系。因此，如果您将A 倒入结构化数组的第一个字段，然后将随机（打破平局）数字倒入第二个字段，则np.argpartition 可用于选择具有随机平局的k 最小（或最大）休息。
k-1 元素不能保证按从小到大的顺序排列。如果这是您需要的，您可以使用np.argpartition，使用第一个k 索引对数组进行切片，然后在结果数组上使用np.argsort。
您可以使用numpy.argsort 进行切片
>>> import numpy as np
>>> A = np.array([1, 7, 9, 2, 0.1, 17, 17, 1.5])
>>> np.argsort(A)[:3]
array([4, 0, 7], dtype=int32)
【讨论】：
argsort 然后只保留 k (
argsort的实现很难说。具体来说，如果它被实现为生成器，并且根据实际的排序算法，它可能是惰性的，或者它可能首先对整个集合进行排序，我不确定。
argsort 似乎对整个集合进行了排序，所以我更喜欢使用 argpartition 的其他建议解决方案之一
argpartition相比）是我们可以保证我们正在寻找的k个索引是按升序排列的。
对于 n 维数组，此函数运行良好。这些缺陷以可调用的形式返回。如果要返回索引列表，则需要在创建列表之前转置数组。
要检索最大的k，只需传入-k。
def get_indices_of_k_smallest(arr, k):
idx = np.argpartition(arr.ravel(), k)
return tuple(np.array(np.unravel_index(idx, arr.shape))[:, range(min(k, 0), max(k, 0))])
# if you want it in a list of indices . . .
# return np.array(np.unravel_index(idx, arr.shape))[:, range(k)].transpose().tolist()
例子：
r = np.random.RandomState(1234)
arr = r.randint(1, 1000, 2 * 4 * 6).reshape(2, 4, 6)
indices = get_indices_of_k_smallest(arr, 4)
indices
# (array([1, 0, 0, 1], dtype=int64),
# array([3, 2, 0, 1], dtype=int64),
# array([3, 0, 3, 3], dtype=int64))
arr[indices]
# array([ 4, 31, 54, 77])
%%timeit
get_indices_of_k_smallest(arr, 4)
# 17.1 µs ± 651 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)
【讨论】：
numpy.partition(your_array, k) 是另一种选择。不需要切片，因为它给出了排序到 kth 元素之前的值。
【讨论】：
k（可能未排序）处的元素置于排序位置。由于排序后的位置不需要索引k 或k-1，我们不能保证your_array[:k] 包含k 在numpy.partition 之后的最小元素。