> temp = np.random.randint(1,10, 10)
> temp
array([2, 4, 7, 4, 2, 2, 7, 6, 4, 4])
< /code>
Если я его сортирую, по умолчанию я получаю восходящий порядок: < /p>
> np.sort(temp)
array([2, 2, 2, 4, 4, 4, 4, 6, 7, 7])
< /code>
Но я хочу, чтобы решение было сортировано в gancing < /strong> order. < /p>
Теперь я знаю, что всегда могу сделать: < /p>
reverse_order = np.sort(temp)[::-1]
< /code>
Но является ли это последнее утверждение эффективным < /strong>? Разве это не создает копию в порядке возрастания, а затем переворачивает эту копию, чтобы получить результат в обратном порядке? Если это действительно так, есть ли эффективная альтернатива? Это не похоже на то, что np.sort
принимает параметры, чтобы изменить признак сравнений в этой операции, чтобы получить вещи в обратном порядке.
Но я хочу, чтобы решение было сортировано в gancing < /strong> order. < /p>
Теперь я знаю, что всегда могу сделать: < /p>
reverse_order = np.sort(temp)[::-1] < /code>
Но является ли это последнее утверждение эффективным < /strong>? Разве это не создает копию в порядке возрастания, а затем переворачивает эту копию, чтобы получить результат в обратном порядке? Если это действительно так, есть ли эффективная альтернатива? Это не похоже на то, что np.sort [/code] принимает параметры, чтобы изменить признак сравнений в этой операции, чтобы получить вещи в обратном порядке.
Я изучаю поляры чуть больше недели и не могу понять, как сделать аналог sql sum(...) over(partition by... order by... DESC)
df.group_by('merchant_id', 'month')\
.agg(sum_share=pl.col('amount').sum())\...
Я изучал поляры чуть более недели и не могу понять, как провести аналог SQL Sum (...) Over (раздел по ... порядок ... desc)
df.group_by('merchant_id', 'month')\
.agg(sum_share=pl.col('amount').sum())\...
Я изучал поляры чуть более недели и не могу понять, как провести аналог SQL Sum (...) Over (раздел по ... порядок ... desc)
df.group_by('merchant_id', 'month')\
.agg(sum_share=pl.col('amount').sum())\...