Question

我有一组N维向量。

data = np.array([[5, 6, 1], [2, 0, 8], [4, 9, 3]])

In [1]: data
Out[1]:
array([[5, 6, 1],
       [2, 0, 8],
       [4, 9, 3]])

我正在使用sklearn的pairwise_distances function来计算距离值矩阵。请注意，此矩阵关于对角线是对称的。

dists = pairwise_distances(data)

In [2]: dists
Out[2]:
array([[  0.        ,   9.69535971,   3.74165739],
       [  9.69535971,   0.        ,  10.48808848],
       [  3.74165739,  10.48808848,   0.        ]])

我需要与此矩阵dists中的前N个值对应的索引，因为这些索引将对应data中的成对索引，这些索引表示它们之间距离最大的向量。

我已尝试执行np.argmax(np.max(distances, axis=1))获取每行中最大值的索引，并np.argmax(np.max(distances, axis=0))获取每列中最大值的索引，但请注意：

In [3]: np.argmax(np.max(dists, axis=1))
Out[3]: 1

In [4]: np.argmax(np.max(dists, axis=0))
Out[4]: 1

和：

In [5]: dists[1, 1]
Out[5]: 0.0

因为矩阵关于对角线是对称的，并且因为argmax返回它找到的具有最大值的第一个索引，所以我最终得到行中的对角线中的单元格与存储最大值的列匹配，而不是顶部值本身的行和列。

此时我确信我可以编写更多代码来查找我正在寻找的值，但肯定有一种更简单的方法可以做我想做的事情。所以我有两个或多或少相同的问题：

如何在矩阵中找到与前N个值对应的索引，或，如何找到前N个成对距离的向量从一组向量？

Answer 1

我拉扯，argsort，然后解开。我并不是说这是最好的方式，只是这是我发生的第一种方式，而且在有人发布更明显的内容之后，我可能会羞愧地删除它。： - ）

那就是说（选择前两个值，任意）：

In [73]: dists = sklearn.metrics.pairwise_distances(data)

In [74]: dists[np.tril_indices_from(dists, -1)] = 0

In [75]: dists
Out[75]: 
array([[  0.        ,   9.69535971,   3.74165739],
       [  0.        ,   0.        ,  10.48808848],
       [  0.        ,   0.        ,   0.        ]])

In [76]: ii = np.unravel_index(np.argsort(dists.ravel())[-2:], dists.shape)

In [77]: ii
Out[77]: (array([0, 1]), array([1, 2]))

In [78]: dists[ii]
Out[78]: array([  9.69535971,  10.48808848])

Answer 2

作为对DSM以前非常好的答案的一个略微改进，如果不考虑N最大的阶数，则使用np.argsort()会更有效，而不是使用np.argpartition()。

用索引arr对数组i进行分区会重新排列元素，以使索引i处的元素第i个最大，而左边的元素较大，而右边的元素较小。左侧和右侧的分区不一定要排序。这样做的好处是它可以线性运行。

在2D numpy ndarray或numpy矩阵中获取前N个值的索引

2 个答案: