在成对比较NxN numpy数组中查找N个最小值？

Question

我有一个pythonxnnumpy双值成对数组（矩阵）。例如，（i，j）的每个数组元素是i和j项之间的测量值。对角线，其中i==j，是1，因为它是自身的成对度量。这也意味着2D NxN numpy数组可以用矩阵三角形形式表示（numpy数组的一半在对角线上与另一半相同）

截断表示：

[[1.         0.11428571 0.04615385 ... 0.13888889 0.07954545 0.05494505]
 [0.11428571 1.         0.09836066 ... 0.06578947 0.09302326 0.07954545]
 [0.04615385 0.09836066 1.         ... 0.07843137 0.09821429 0.11711712]
 ...
 [0.13888889 0.06578947 0.07843137 ... 1.         0.34313725 0.31428571]
 [0.07954545 0.09302326 0.09821429 ... 0.34313725 1.         0.64130435]
 [0.05494505 0.07954545 0.11711712 ... 0.31428571 0.64130435 1.        ]]

我想得到最小的N值，同时不包括两两个成对的值，这是由于成对重复的情况，例如，（5,6）=（6,5），我不想包括任何相同的对角线值1，其中I=j

我知道numpy有分区的方法，我也看过很多平面数组的例子，但是我很难找到适合成对比较矩阵的简单方法

编辑#1 根据我在下面的第一个回复，我实施了：

seventyPercentInt: int = round((populationSizeInt/100)*70)

upperTriangleArray = dataArray[np.triu_indices(len(dataArray),1)]
seventyPercentArray = upperTriangleArray[np.argpartition(upperTriangleArray,seventyPercentInt)][0:seventyPercentInt]

print(len(np.unique(seventyPercentArray)))

UpperTriangalRaynumpy数组有1133265个元素可从中拾取最低的k。在这种情况下，k由seventypercentit表示，约为1054个值。但是，当我应用np.argpartition时，只返回0的值

平面阵列upperTriangleArray缩小为一个形状（1133265，）

解决方案

根据下面的第一个回复（已接受的答案），我的代码有效：

upperTriangleArray = dataArray[np.triu_indices(len(dataArray),1)]

seventyPercentInt: int = round((len(upperTriangleArray)/100)*70)

seventyPercentArray = upperTriangleArray[np.argpartition(upperTriangleArray,seventyPercentInt)][0:seventyPercentInt]

我遇到了一些小麻烦（是我自己造成的），因为我使用了Seventypercentit。我没有选择70%的成对元素，而是选择了70%的元素进行比较。两个非常不同的值

Answer 1

您可以使用np.triu_索引仅保留上部三角形的值

然后可以使用np.argpartition，如下例所示

import numpy as np

A = np.array([[1.0, 0.1, 0.2, 0.3],
            [0.1, 1.0, 0.4, 0.5],
            [0.2, 0.3, 1.0, 0.6],
            [0.3, 0.5, 0.4, 1.0]])

A_upper_triangle = A[np.triu_indices(len(A), 1)]

print(A_upper_triangle)
# return [0.1 0.2 0.3 0.3 0.5 0.4]

k=2

print(A_upper_triangle[np.argpartition(A_upper_triangle, k)][0:k])
#return [0.1 0.2]