我们将首先查看 Python 内置函数,然后查看 NumPy 中包含的,并针对 NumPy 数组优化的例程。...np.partition接受一个数组和一个数字K;结果是一个新数组,最小的K个值在分区左边,任意顺序的剩下的值在右边:
x = np.array([7, 2, 3, 1, 6, 5, 4])
np.partition...(x, 3)
# array([2, 1, 3, 4, 6, 5, 7])
请注意,结果数组中的前三个值是数组中的三个最小值,其余数组位置包含其余值。...7, 6, 7],
[1, 2, 4, 5, 7, 7],
[0, 1, 4, 5, 9, 5]])
'''
结果是一个数组,其中每行中的前两个槽包含该行中的最小值,其余值填充剩余的槽...回想一下,两点之间的平方距离是每个维度的平方差的总和;使用由 NumPy 提供的,高效广播(“数组计算:广播”)和聚合(“聚合:最小值,最大值和之间的一切”)的例程,我们可以在一行代码中计算平方距离矩阵