问题标签 [partial-sort]

以下代码：

输出：

Spark 的懒惰与limit调用和orderBy自动实现的结合是否会导致部分排序的 DataFrame，或者剩余的 7 个数字是否也已排序，即使它不需要？如果是这样，有没有办法避免这种不必要的计算工作？

使用.explain()显示，执行两个排序阶段，首先在每个分区上，然后（每个前 3 个）一个全局阶段。但它没有说明这些种类是完整的还是部分的。

假设我们有一堆样本 x 和样本 S 的分数。我们想要维护我们见过的顶部 n_store 的存储。鉴于新示例来自 numpy 数组，在 python 中执行此操作的最佳方法是什么？

有多种方法，但您可能从一些具有如下签名的函数开始：

有多种选择，例如维护排序列表 S_old 或使用 numpy.argpartition。可能我只需要测试每种情况，还需要选择回声系统中的各种工具。而且我通常希望最终将信息作为 numpy 数组进行更多计算，因此如果我不能做任何指针技巧，将数字从 numpy 移动到列表或其他结构（反之亦然）可能会产生成本。

学习 C++，我正在阅读标准算法，参考页面在 partial_sort 上说以下内容：

但是当我单击函数的名称时，这就是它对同一函数的含义：

我看不出这两个怎么一样！考虑到将要排序的项目包含partial_sort一个迭代器 ( middle) 的事实，我认为它与“top N”不同。如果我想使用这个输入来实现“top N”，这意味着我必须有一个指向集合的第 N 个项目的迭代器。但是如果列表没有排序，我怎么知道哪一项是第 N 项呢？