Numpy NdArray - 如何设置阈值然后对值进行排序

Question

我有一个名为'sim'的numpy ndarray（4 x 4）表示4个项目（a，b，c，d）之间的相似度值。

array([[ 1.        ,  0.        ,  0.5547002 ,  0.73960026],
       [ 0.        ,  1.        ,  0.        ,  0.66666667],
       [ 0.5547002 ,  0.        ,  1.        ,  0.33333333],
       [ 0.73960026,  0.66666667,  0.33333333,  1.        ]])

dataset_u是一个包含[a，b，c，d]的列表 以下代码对数组进行排序，然后根据项目的同一性值识别项目a，b，c，d中的前3项（related_count）。

related_count =3
dataidx = np.asarray(dataset_u) # a,b,c,d
indices = np.argsort(-sim, axis=1)
result = np.hstack((dataidx[:, None], dataidx[indices]))
m1 = result.shape[0]
mask = np.c_[[True] * m1, result[:, 1:] != result[:, 0, None]]
final_mat = result[mask].reshape(m1, -1)
dfdownload = pd.DataFrame(final_mat[:, 1:related_count], index=final_mat[:, 0])

dfdownload：

如何修改上面的代码，以便在排序数组之前只考虑值＆gt; = 0.5？ 例如，对于项目“a”，预期的相关项目为“d”，“c”，而对于项目“b”，其相关项目仅为“d”（0.66666667）。

Answer 1

我对numpy和pandas都很陌生，所以这可能不是最好的方法，我希望它能引导您找到更好的解决方案。

sim_copy = sim.copy()
sim_copy[sim_copy <= 0.5] = 0
bool_sim = np.asarray(sim_copy, dtype=bool)
dfdownload.mask(~bool_sim[:, :-1])
# -1 can be replaced with related_count, but its value seems wrong.

输出

     0    1    2
a    d  NaN    b
b  NaN    a  NaN
c    a  NaN    d
d    a    b  NaN

另一方面，related_count的值应为4而不是3，但我再也不确定：）。