在给定的数组中，如何找到第二个、第三个、第四个或第五个值？
另外，如果我们max()在 python 中使用该函数，那么复杂度的顺序是什么，即与此函数相关联max()？
.
def nth_largest(li,n):
li.remove(max(li))
print max(ele) //will give me the second largest
#how to make a general algorithm to find the 2nd,3rd,4th highest value
#n is the element to be found below the highest value
我会去：
import heapq
res = heapq.nlargest(2, some_sequence)
print res[1] # to get 2nd largest
这比对整个列表进行排序，然后取前n许多元素更有效。有关更多信息，请参阅heapq 文档。
你可以使用sorted(set(element))：
>>> a = (0, 11, 100, 11, 33, 33, 55)
>>>
>>> sorted(set(a))[-1] # highest
100
>>> sorted(set(a))[-2] # second highest
55
>>>
作为一个函数：
def nth_largest(li, n):
return sorted(set(li))[-n]
测试：
>>> a = (0, 11, 100, 11, 33, 33, 55)
>>> def nth_largest(li, n):
... return sorted(set(li))[-n]
...
>>>
>>> nth_largest(a, 1)
100
>>> nth_largest(a, 2)
55
>>>
请注意，这里您只需要对重复项进行一次排序和删除，如果您担心性能，您可以缓存sorted(set(li)).
如果性能是一个问题（例如：您打算经常调用它），那么您绝对应该始终保持列表的排序和重复数据删除，并且只保留第一个、第二个或第 n 个元素（即o(1)）。
为此使用该bisect模块 - 它比“标准”更快sort。
insort让您插入一个元素，并bisect让您确定是否应该插入（以避免重复）。
如果不是，我建议更简单：
def nth_largest(li, n):.
return sorted(set(li))[-(n+1)]
如果反向索引对您来说很难看，您可以这样做：
def nth_largest(li, n):
return sorted(set(li), reverse=True)[n]
至于哪种方法的时间复杂度最低，这在很大程度上取决于您计划进行哪种类型的查询。
如果您计划对高索引进行查询（例如，具有 38 个元素的列表中的第 36 个最大元素），您的函数nth_largest(li,n)将具有接近 O(n^2) 的时间复杂度，因为它必须执行最大值，即 O( n)，数次。它将类似于选择排序算法，除了使用max()而不是min()。
另一方面，如果您只进行低索引查询，那么您的函数可能会很高效，因为它只会应用 O(n)max函数几次，时间复杂度将接近 O(n)。但是，可以在线性时间 O(n) 内构建最大堆，并且最好只使用它。在你经历了构建堆的麻烦之后，你在堆上的所有max()操作都将是 O(1)，这对你来说可能是一个更好的长期解决方案。
我相信最可扩展的方法（就能够查询任何n 的第 n 个最大元素而言）是使用内置sort函数对时间复杂度 O(n log n) 的列表进行排序，然后从排序的列表。当然，这不是最节省内存的方法，但就时间复杂度而言，它非常有效。
如果您不介意使用 numpy ( import numpy as np)：
np.partition(numbers, -i)[-i]
为您提供列表中第i个最大的元素，并保证最坏情况的O(n)运行时间。
这些partition(a, kth)方法返回一个数组，其中第kth 个元素与排序数组中的相同，前面的所有元素都较小，后面的所有元素都较大。
怎么样：
sorted(li)[::-1][n]