我有一份客户和特征的列表，格式如下：
UserID, Feature1, Feature2, Feature3, Feature4所以我有一个名为”Customers”的列表，看起来像这样：
[['975676924', '1345207523', '-1953633084', '-2041119774', '587903155'], ['1619201613', '-1384105381', '1433106581', '1445361759', '587903155'], ['-1470352544', '-1068707556', '-1002282042', '-563691616', '587903155'], ['-1958275692', '-739953679', '69580355', '-481818422', '587903155'],['1619201613', '-739953679', '-1002282042', '-481818422', '587903155']]每一行代表一次具有特定特征的交易。每行的第一个元素是进行该交易的用户ID（客户）。因此，Customers[1]返回第二行，而Customers[1][0]返回该行的用户ID（1619201613）。
用户ID可以在其他行中重复出现（新交易），因为重复的客户会被添加到列表中。例如，请注意Customers[4][0]返回相同的用户ID（1619201613），但Customers[4]的特征与Customers[1]的特征不同——即，客户返回并购买了具有不同特征的不同产品。
所以这里的核心问题是：如何高效地计算列表中每两个不同客户之间的相似性？
我认为这个问题实际上应该分成两个不同的问题/任务：
-
将不同的用户ID分组。因此，第一个问题是：如何高效地将单个用户ID的所有不同特征组合在一起，例如，将
Customers[1]和Customers[4]合并成一行（新列表？）的形式：['1619201613', '-1384105381', '1433106581', '1445361759', '587903155', '-739953679', '-1002282042', '-481818422'] -
通过他们的交易寻找客户的相似性。因此，第二个问题是：如何高效地评估一个在
[0,1]范围内的相似性函数，以判断两个不同的客户是否对相同的东西感兴趣？
附注：
- 特征的顺序并不重要，因为它们是经过哈希处理并唯一识别的。
- 特征的基数也不重要，即我们不关心同一个用户ID的相同特征是否出现两次或三次。
- 这件事的最终结果是能够得到一个客户网络，其中用户ID是节点，节点之间的边由相似性分数加权。
- 我倾向于使用余弦相似性或Jaccard指数，但也对其他方法持开放态度。
- 我需要速度和可扩展性，即使这会牺牲一些准确性，当然这只是在小范围内。
- 我已经彻底检查了之前的问题——例如，以下问题不相关：计算两个列表的相似性；Python检查多个列表的相似性；如何计算特征列表之间的相似性？
回答：
这回答了你的问题的一部分：
raw_data = [['975676924', '1345207523', '-1953633084', '-2041119774', '587903155'],['1619201613', '-1384105381', '1433106581', '1445361759', '587903155'],['-1470352544', '-1068707556', '-1002282042', '-563691616', '587903155'],['-1958275692', '-739953679', '69580355', '-481818422', '587903155'],['1619201613', '-739953679', '-1002282042', '-481818422', '587903155']]import collectionsdata = collections.defaultdict(list)for line in raw_data: data[line[0]].extend(line[1:])现在你有一个以ID为键的字典：
defaultdict(<type 'list'>, {'1619201613': ['-1384105381', '1433106581', '1445361759', '587903155', '-739953679', '-1002282042', '-481818422', '587903155'], '-1470352544': ['-1068707556', '-1002282042', '-563691616', '587903155'], '975676924': ['1345207523', '-1953633084', '-2041119774', '587903155'], '-1958275692': ['-739953679', '69580355', '-481818422', '587903155']}) 通过重新排列，你将得到所需的列表：
data_list = [[key] + value for key, value in data.items()]