如何在不计算整个numpy数组排名的前提下快速确定新元素的排名？

原方法通过追加元素后全数组排序获取排名，在大型数组高频调用场景下效率偏低。以下是基于numpy/scipy的高效实现，无需排序整个数组：

对应rankdata默认的average降序排名 #

原代码中rankdata(-B)采用默认的average排名规则（相同值取平均排名），可通过统计数组元素与X的大小关系直接计算：

import numpy as np

A = np.array([33.25, 40.16, 18.22, 96.34, 71.15, 48.12, 52.41, 83.11, 12.22])
X = 54.17

# 统计比X大的元素数量
count_greater = np.count_nonzero(A > X)
# 统计与X相等的元素数量
count_equal = np.count_nonzero(A == X)

# 计算降序的average排名
rank = count_greater + (count_equal + 1) / 2
# 若X不在数组中，可直接转成整数（和原代码结果一致）
if count_equal == 0:
    rank = int(rank)

对应rankdata的min/max降序排名 #

如果需要不同的排名规则：

• 相同值取最小排名（对应rankdata(..., method='min')）：

  rank_min = np.count_nonzero(A > X) + 1
  

• 相同值取最大排名（对应rankdata(..., method='max')）：

  rank_max = np.count_nonzero(A >= X)
  

性能优势 #

这些方法的时间复杂度为O(n)，仅需遍历数组一次；而原方法的排序操作时间复杂度为O(n log n)，在百万级以上元素的大型数组高频调用时，效率提升非常明显。

内容的提问来源于stack exchange，提问作者Konstantin Kostanzhoglo