我的pandas数据框大致如下所示:

Movieid review  movieRating     wordEmbeddingVector 1       "text"    4          [100 dimensional vector]

我正在尝试运行一个doc2vec实现，我希望能够按电影ID进行分组，并对wordEmbeddingVector中的向量求和，然后计算求和后的向量与输入向量之间的余弦相似度。我尝试执行以下操作:

movie_groupby = movie_data.groupby('movie_id').agg(lambda v : cosineSimilarity(np.sum(movie_data['textvec'])), inputvector)

但它似乎运行了很长时间，我认为我可能做错了什么。所以我尝试去掉相似度函数，只进行分组和求和。但这似乎也无法完成（现在已经超过1小时了）。我做错了什么，还是它真的就这么慢？我数据框中有135392行，所以并不是很大。

movie_groupby = movie_data.groupby('movie_id').agg(lambda v : np.sum(movie_data['textvec']))

非常感谢！

回答：

你的代码中有一个错误。在你的lambda函数中，你对整个数据框进行了求和，而不是只对该组进行求和。以下代码应该可以解决这个问题:

movie_groupby = movie_data.groupby('movie_id').agg(lambda v: np.sum(v['textvec']))

注意: 我将hotel_data替换成了movie_data，但那应该只是一个打字错误。