Существует множество решений для одного массива, но как насчет матрицы, например:
>>> k
array([[ 35, 48, 63],
[ 60, 77, 96],
[ 91, 112, 135]])
Вы можете использовать k.max(), но, конечно, это возвращает только самое высокое значение, 135. Что, если я хочу второй или третий?
Вы можете сгладить матрицу, а затем отсортировать ее:
>>> k = np.array([[ 35, 48, 63],
... [ 60, 77, 96],
... [ 91, 112, 135]])
>>> flat=k.flatten()
>>> flat.sort()
>>> flat
array([ 35, 48, 60, 63, 77, 91, 96, 112, 135])
>>> flat[-2]
112
>>> flat[-3]
96
Как сказано, np.partition должен быть быстрее (не более O (n) времени выполнения):
np.partition(k.flatten(), -2)[-2]
должен вернуть второй по величине элемент. (partition гарантирует, что нумерованный элемент находится в позиции, все элементы до меньше, а все позади больше).
import numpy as np
a=np.array([[1,2,3],[4,5,6]])
a=a.reshape((a.shape[0])*(a.shape[1])) # n is the nth largest taken by us
print(a[np.argsort()[-n]])
Другой способ сделать это, когда повторяющиеся элементы представлены в массиве под рукой. Если у нас есть что-то вроде
a = np.array([[1,1],[3,4]])
то вторым по величине элементом будет 3, а не 1.
В качестве альтернативы можно использовать следующий фрагмент:
second_largest = sorted(list(set(a.flatten().tolist())))[-2]
Сначала сгладьте матрицу, затем оставите только уникальные элементы, затем вернитесь к изменяемому списку, отсортируйте его и возьмите второй элемент. Это должно возвращать второй наибольший элемент из конца, даже если в массиве повторяются элементы.
nums = [[ 35, 48, 63],
[ 60, 77, 96],
[ 91, 112, 135]]
highs = [max(lst) for lst in nums]
highs[nth]
Использование уникальной функции - очень чистый способ сделать это, но, вероятно, не самый быстрый:
k = array([[ 35, 48, 63],
[ 60, 77, 96],
[ 91, 112, 135]])
i = numpy.unique(k)[-2]
для второго по величине