Polars：高效获取第二大元素或小n值下的第n大元素

嘿，这个问题问到点子上了！在Polars里处理这类「取第n大元素（尤其是n远小于列的总规模）」的需求，完全没必要给整个列做全量排序——那样太浪费资源了，咱有更高效的玩法，我给你拆解清楚：

核心高效方法：top_k() #

当n很小的时候，top_k(n)绝对是首选！它的原理是维护一个大小为n的堆，只找出列中最大的n个元素，时间复杂度是O(m)（m是列的行数），比全排序的O(m log m)高效太多，特别适合n远小于m的场景。

举个实际的例子，先创建一个测试DataFrame：

import polars as pl

# 构造包含重复值的测试数据
df = pl.DataFrame({"values": [3, 1, 4, 1, 5, 9, 2, 6, 5, 3, 5]})

获取第二大元素

我们只需要取最大的2个元素，然后取其中的第二个（也就是第二大的那个）：

second_largest = df.select(pl.col("values").top_k(2).nth(1)).item()
print(second_largest)  # 输出：6

这里top_k(2)会返回降序排列的前2大元素[9,6]，用nth(1)就能拿到第二大的元素；如果你习惯用last()也可以，效果是一样的。

通用获取第n大元素

把逻辑推广到任意小n的情况，只需要把top_k的参数设为n，再取索引n-1的元素就行：

n = 3
third_largest = df.select(pl.col("values").top_k(n).nth(n-1)).item()
print(third_largest)  # 输出：5

去重后的第n大元素

如果你的需求是去重后的第n大元素，只需要在top_k前加个unique()就行：

# 去重后的第二大元素
second_largest_unique = df.select(pl.col("values").unique().top_k(2).nth(1)).item()
print(second_largest_unique)  # 输出：5

避坑提醒：别用全量排序 #

可能有人会想到先排序再取第n个元素，比如pl.col("values").sort(reverse=True).nth(1)——这种方法在n很小的时候完全没必要，全量排序会对整个列做排序操作，数据量一大性能差距就会很明显，所以优先用top_k就对了！

备注：内容来源于stack exchange，提问作者Test