Question

我有一个对称矩阵表示为numpy数组，如下例所示：

[[ 1.          0.01735908  0.01628629  0.0183845   0.01678901  0.00990739 0.03326491  0.0167446 ]
 [ 0.01735908  1.          0.0213712   0.02364181  0.02603567  0.01807505 0.0130358   0.0107082 ]
 [ 0.01628629  0.0213712   1.          0.01293289  0.02041379  0.01791615 0.00991932  0.01632739]
 [ 0.0183845   0.02364181  0.01293289  1.          0.02429031  0.01190878 0.02007371  0.01399866]
 [ 0.01678901  0.02603567  0.02041379  0.02429031  1.          0.01496896 0.00924174  0.00698689]
 [ 0.00990739  0.01807505  0.01791615  0.01190878  0.01496896  1.         0.0110924   0.01514519]
 [ 0.03326491  0.0130358   0.00991932  0.02007371  0.00924174  0.0110924  1.          0.00808803]
 [ 0.0167446   0.0107082   0.01632739  0.01399866  0.00698689  0.01514519 0.00808803  1.        ]]

我需要在不考虑对角线的情况下找到最大值的指数（行和列）。由于是对称矩阵，我只是采用矩阵的上三角形。

ind = np.triu_indices(M_size, 1)

然后是最大值的索引

max_ind = np.argmax(H[ind])

然而 max_ind 是使用 triu_indices 获取上三角形后得到的向量的索引，我如何知道值的行和列是哪个？刚发现？

矩阵可以是任何大小，但它总是对称的。你知道更好的方法吗？谢谢

Answer 1

你不能通过使用np.triu返回矩阵的副本来完成此操作，除了上面的三角形归零，然后只需使用np.argmax和np.unravel_index来获取行/列索引？

示例：

x = np.zeros((10,10))
x[3, 8] = 1
upper = np.triu(x, 1)
idx = np.argmax(upper)
row, col = np.unravel_index(idx, upper.shape)

这种方法的缺点是它创建了输入矩阵的副本，但它仍然比在Python中循环元素要快得多。它还假设上三角形中的最大值> 0

Answer 2

您可以使用max_ind的值作为ind数据

的索引

max_ind = np.argmax(H[ind])
Out: 23

ind[0][max_ind], ind[1][max_ind],
Out: (4, 6)

通过查找整个矩阵中的最大值来验证这一点（并不总是有效 - 与数据有关）：

np.unravel_index(np.argmax(H), H.shape)
Out: (4, 6)

Answer 3

这可能是一种更整洁的“numpy方式”，但这首先想到的是：

answer = None
biggest = 0
for r,row in enumerate(matrix):
    i,elem = max(enumerate(row[r+1:]), key=operator.itemgetter(1))
    if elem > biggest:
        biggest, answre = elem, i

从上三角获取矩阵的索引

3 个答案: