Función Numpy recarray.partition() | Python

En numpy, las arrays pueden tener tipos de datos que contienen campos, de forma análoga a las columnas en una hoja de cálculo. Un ejemplo es [(a, int), (b, float)], donde cada entrada en la array es un par de (int, float). Normalmente, se accede a estos atributos mediante búsquedas en diccionarios como arr['a'] and arr['b']. Las arrays de registros permiten acceder a los campos como miembros de la array, utilizando arr.a and arr.b.

numpy.recarray.partition()La función reorganiza los elementos en la array de tal manera que el valor del elemento en la k-ésima posición está en la posición en la que estaría en una array ordenada. Todos los elementos menores que el k-ésimo elemento se mueven antes de este elemento y todos los iguales o mayores se mueven detrás de él.

Sintaxis: numpy.recarray.argpartition(kth, axis=-1, kind='introselect', order=None)

Parámetros:
kth : [int o secuencia de enteros] Índice del elemento por el que dividir. El valor del elemento kth estará en su posición ordenada final y todos los elementos más pequeños se moverán delante de él y todos los elementos iguales o mayores detrás de él.
axis : [int o None] Eje a lo largo del cual ordenar. Si es Ninguno, la array se aplana antes de ordenar. El valor predeterminado es -1, que ordena a lo largo del último eje.
kind : Algoritmo de selección. El valor predeterminado es ‘introselect’.
orden: [str o lista de str] Cuando arr es una array con campos definidos, este argumento especifica qué campos comparar primero, segundo, etc.

Retorno: [ndarray] Array particionado del mismo tipo y forma que arr.

Código #1:

# Python program explaining
# numpy.recarray.partition() method 
  
# importing numpy as geek
import numpy as geek
  
# creating input array with 2 different field 
in_arr = geek.array([(5.0, 2), (3.0, -4), (6.0, 9),
                     (9.0, 1), (5.0, 4), (-12.0, -7)],
                     dtype =[('a', float), ('b', int)])
  
print ("Input array : ", in_arr)
  
# convert it to a record array,
# using arr.view(np.recarray)
rec_arr = in_arr.view(geek.recarray)
print("Record array of float: ", rec_arr.a)
print("Record array of int: ", rec_arr.b)
  
# applying recarray.partition methods
# to float record array 
rec_arr.a.partition(kth = 3)
print ("Output partitioned float array : ", rec_arr.a) 
  
# applying recarray.partition methods 
# to int record array 
rec_arr.b.partition(kth = 4)
print ("Output partitioned int array : ", rec_arr.b) 

Input array :  [(  5.,  2) (  3., -4) (  6.,  9) (  9.,  1) (  5.,  4) (-12., -7)]
Record array of float:  [  5.   3.   6.   9.   5. -12.]
Record array of int:  [ 2 -4  9  1  4 -7]
Output partitioned float array :  [  5. -12.   3.   5.   9.   6.]
Output partitioned int array :  [ 1 -7 -4  2  4  9]

Código #2:

Estamos aplicando numpy.recarray.partition()a toda la array de registros.

# Python program explaining
# numpy.recarray.partition() method 
  
# importing numpy as geek
import numpy as geek
  
# creating input array with 2 different field 
in_arr = geek.array([[(5.0, 2), (3.0, 4), (6.0, -7)],
                    [(9.0, 1), (6.0, 4), (-2.0, -7)]],
                    dtype =[('a', float), ('b', int)])
print ("Input array : ", in_arr)
  
# convert it to a record array, 
# using arr.view(np.recarray)
rec_arr = in_arr.view(geek.recarray)
  
# applying recarray.partition methods to record array
rec_arr.partition(kth = 2)
  
print ("Output array : ", rec_arr)

Input array :  [[(5.0, 2) (3.0, 4) (6.0, -7)]
 [(9.0, 1) (6.0, 4) (-2.0, -7)]]
Output array :  [[(3.0, 4) (5.0, 2) (6.0, -7)]
 [(-2.0, -7) (6.0, 4) (9.0, 1)]]