Python 在相似性矩阵中找到最大值，而不是在对角线上

假设我有以下几点：

请注意，对角线上的值均等于100.0，且上三角形等于下三角形

我想找出五个不同的最高值的索引，而不是在对角线上

目前，我用暴力的方式：

from collections import defaultdict
d = defaultdict(list)
for i in range(len(matrix)):
    for j in range(len(matrix[i])):
      d[matrix[i][j]].append((i,j))

for value in sorted(d.keys(), reverse=True)[1:6]:
    print value, d[value]

其中：

95.8333333333 [(3, 6), (3, 7), (6, 3), (7, 3)]
91.6666666667 [(2, 6), (2, 7), (6, 2), (6, 8), (7, 2), (7, 8), (8, 6), (8, 7)]
91.3066666667 [(1, 2), (1, 6), (1, 7), (1, 8), (2, 1), (6, 1), (7, 1), (8, 1)]
88.0 [(2, 3), (2, 4), (3, 2), (3, 8), (4, 2), (4, 6), (4, 7), (4, 8), (6, 4), (7, 4), (8, 3), (8, 4)]
87.5 [(1, 3), (1, 4), (3, 1), (4, 1), (5, 9), (9, 5)]

但这是低效的，因为我遍历了整个矩阵，而我只需要遍历矩阵的一半：对于最高值

95.8333333

，我只关心索引

（3,6）

和

（3,7）

有没有更有效的方法来实现这一点，也许使用numpy？

numpy会更快

import numpy as np

m = np.array(matrix) * np.diag(len(matrix)) # set the upper triangle to zero
for top_value in sorted((np.unique(m)), reverse=True)[1:6]:
    print top_value, zip(*np.where(m == top_value))

• 使用xrange而不是range
• 循环j仅到i-1（如果i=0，则内部循环永远不会运行…）
• 为了有效使用，不要对列表排序，而是使用heapq中的NLAGEST 因为它为此使用堆数据结构。这对于大型矩阵应该很重要

---

也有100.0个元素不在对角线上@安蒂·哈帕拉被抓住了！我也想要那些。

import numpy as np

m = np.array(matrix) * np.diag(len(matrix)) # set the upper triangle to zero
for top_value in sorted((np.unique(m)), reverse=True)[1:6]:
    print top_value, zip(*np.where(m == top_value))

from heapq import nlargest
from collections import defaultdict

d = defaultdict(list)

for i in xrange(len(matrix)):
    for j in xrange(i):
      d[matrix[i][j]].append((i, j))

for value, positions in nlargest(5, d.items(), key=lambda item: item[0]):
    print value, positions