id  size    numberOfPlants  balcony   available  publicTransport    0   1191    3               0         1           11   3251    2               1         0           02   1641    1               1         1           03   2133    3               0         0           1

我有一个包含多个列值的数据集，每行代表一个对象。我希望计算所有行之间的余弦相似度，并考虑所有因素，包括大小（size）、植物数量（numberOfPlants）、阳台（balcony，布尔值）、可用性（available，布尔值）和公共交通（publicTransport，布尔值），这些因素的权重相同。如果我输入一个id，我想得到一个id，它指向最相似的行。我该如何计算余弦相似度呢？

回答：

您可以使用cosine_similarity来自sklearn。其中target是您想要查找相似行的任何一行。最好将id排除在比较之外。

from sklearn.metrics.pairwise import cosine_similarityimport numpy as npdef get_similar_row(rows, target):    """返回最相似行的索引"""    return np.argmax(cosine_similarity(rows, [target]))get_similar_row([[1191, 3, 0, 1, 1],                  [3251, 2, 1, 0, 0],                  [1641, 1, 1, 1, 0]], [2133, 3, 0, 0, 1], top_n=2)

输出将是：1

如果您需要获取top n个相似的行：

def get_top_n_similar_rows(rows, target, top_n=1):    """返回最相似行的前n个索引"""    return cosine_similarity(rows, [target]).reshape(1, -1)[0].argsort()[::-1][:top_n]