用余弦相似度对比两列数据的相似度代码

余弦相似度是一种衡量两个非零向量之间角度的度量，常用于文本分析、推荐系统等场景中，其值介于-1和1之间，其中1表示完全相同，0表示无关，-1表示完全相反。在Python中，我们可以使用Scikit-Learn库中的`cosine_similarity()`函数来进行比较。以下是一个简单的例子，假设我们有两个列表代表两个文档的词频向量：

from sklearn.metrics.pairwise import cosine_similarity
from collections import Counter

# 假设有两列数据，例如两篇文章的分词结果
doc1 = ['word1', 'word2', 'word3']
doc2 = ['word2', 'word4', 'word5']

# 转换成Counter对象，形成向量形式
vector1 = Counter(doc1)
vector2 = Counter(doc2)

# 创建一个矩阵，包含这两个向量以及其他可能的数据
vectors = [vector1, vector2]  # 可能还包括其他文档

# 计算余弦相似度
similarity_matrix = cosine_similarity(vectors)

# 获取doc1和doc2之间的相似度
similarity_doc1_to_doc2 = similarity_matrix[0][1]

print(f"Doc1和Doc2的余弦相似度为: {similarity_doc1_to_doc2}")