我有一个双值的python NxN numpy成对数组(矩阵(。例如，(i，j(的每个数组元素都是i和j项之间的度量。对角线，其中i=j，是1，因为它是自身的成对测量。这也意味着2D NxN numpy阵列可以以矩阵三角形形式表示(numpy阵列的一半与对角线上的另一半相同(。
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个值，同时不包括两次成对值，因为成对重复会导致这种情况，例如(5,6(==(6,5(，并且我不想包括任何相同的对角线值1，其中I==j。
我知道numpy有分区方法，我看过很多平面数组的例子，但我很难找到任何简单的成对比较矩阵。
编辑#1根据我下面的第一个响应，我实现了：
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)))
上部三角形数组numpy数组有1133265个元素，可以从中选择最低的k。在这种情况下，k由seventyPercentInt表示，约为1054个值。然而，当我应用np.argpartition时，只返回0的值。
平面阵列上部三角形阵列缩小为一个形状(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(我自己制造的(，SeventyPPercentInt。我没有取70%的成对元素，而是取70%的元素进行比较。两种截然不同的价值观。
您可以使用np.triu_indices只保留上三角形的值。
然后您可以使用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]