python 数据相似性计算

在 Python 中，可以使用多种方法来计算数据之间的相似性。以下是几种常见的方法：

1. 欧几里得距离：计算两个向量之间的距离，也称为 L2 范数。可以使用 SciPy 库中的 `scipy.spatial.distance.euclidean` 函数来计算。

from scipy.spatial.distance import euclidean

vec1 = [1, 2, 3]
vec2 = [4, 5, 6]

distance = euclidean(vec1, vec2)
print(distance)

2. 余弦相似度：计算两个向量之间的夹角余弦值，范围在 -1 到 1 之间，值越接近 1，表示两个向量越相似。可以使用 NumPy 库中的 `numpy.dot` 和 `numpy.linalg.norm` 函数来计算。

import numpy as np

vec1 = [1, 2, 3]
vec2 = [4, 5, 6]

cos_sim = np.dot(vec1, vec2) / (np.linalg.norm(vec1) * np.linalg.norm(vec2))
print(cos_sim)

3. Jaccard 相似度：计算两个集合之间的相似性，即它们的交集与并集之间的比率。可以使用 Python 内置的 `set` 函数来实现。

set1 = set([1, 2, 3])
set2 = set([2, 3, 4])

jaccard_sim = len(set1.intersection(set2)) / len(set1.union(set2))
print(jaccard_sim)

还有其他一些方法，如 Pearson 相关系数、Spearman 相关系数、曼哈顿距离等。根据具体情况选择合适的方法进行计算。