我有一个40x40的Numpy数组（这是一个4x4的例子）：
Correlationarray=np.array([[1, .1, .3, .4],
[.1, 1, .2, .7],
[.3, .2, 1, .5],
[.4, .7, .5, 1]])
我想形成所有可能的n选择此数组的k个子集并计算具有最低整体相关值的数组（所以我会说，计算所有子集并将它们存储在另一个数组中，然后右边一个函数那个正方形我的数组/列表中的任意数组中的每个值和沿行值的总和）
例如，假设这些是4选2组数组中的两个数组
a = np.array([[1, .1]
[.1, 1]
[.3, .2]
[.4, .7]])
b=([[.1, .4]
[1, .7]
[.2, .5]
[.7, 1]])
我想对数组中的每个值进行平方，将行的值相加（然后对行分数求和）保存该数组以及从相关矩阵的子集生成的所有其他此类数组，并返回n数具有最小平方和值的最小数组
我不确定如何以计算快速的方式选择所有子集或优化性能，并且不一定确定如何返回具有最低相关性分数的数组（我熟悉基于数组的返回元素）然而，就我们的价值从大到小，我不确定如果我可以推广这个）
谢谢！