Python 在找到余弦相似性后重新构建数组

我有一个数据框架，其中包含工作职业作为主要变量，对于每个职业，它是构成一份工作的一系列技能。我试图用余弦作为距离度量来找出作业之间的余弦相似性。到目前为止，我设法得到了余弦矩阵/数组，但是我无法将此数组作为包含职业之间相似性的数据帧返回。请看下面的数据集示例，我到目前为止一直在使用的代码，以及我希望得到的预期结果

数据集

INDEX           3D studio      Accountancy       Cooking      

3d modeling         1               0               0
IC auditor          0               1               0
Chef                0               1               0

应用余弦相似 结果以数组的形式出现

 0    1       2       3 
 1    1       0       0
 2    0       1       0.65
 3    0       0.65    1

如何将其转换为成对比较格式，我曾尝试使用concat和Reforme，但失败了

理想的结果是：

---

注意-矩阵非常大，这个余弦分数是虚构的。

我认为需要

DataFrame

构造函数，指定列和索引，然后通过以下方式重塑：

Numpy解决方案：

a = np.repeat(data_k_T.index, len(data_k_T.columns))
b = np.tile(data_k_T.columns, len(data_k_T))
c = dist_out.ravel()

out = pd.DataFrame({'Occ_s':a, 'Occ_T':b, 'Score':c})
print (out)
         Occ_s        Occ_T  Score
0  3d modeling     3Dstudio    1.0
1  3d modeling  Accountancy    0.0
2  3d modeling      Cooking    0.0
3   IC auditor     3Dstudio    0.0
4   IC auditor  Accountancy    1.0
5   IC auditor      Cooking    1.0
6         Chef     3Dstudio    0.0
7         Chef  Accountancy    1.0
8         Chef      Cooking    1.0

---

你能不能再确认一下你的例子，厨师在3d建模方面的得分是0.65？从生成的数组中，我猜它是0，在这种情况下，您只需读取行/列即可获得所需的结果。@Eulenfuchswiesel，hi和tks以获得快速回复。。。分数是虚构的，有2950种不同的可能技能类型。我得到了一个数组float64作为余弦的结果，我想把真正的变量名作为一对，tks很多。。。由于数据的性质，我不得不做一些小改动。

Occ_s          Occ_T            Score
3d modeling    3d modeling        1
3d modeling    IC auditor         0 
3d modeling    Chef               0.65

dist_out = 1-pairwise_distances(data_k_T, metric="cosine")
print (dist_out)
[[1. 0. 0.]
 [0. 1. 1.]
 [0. 1. 1.]]

df = pd.DataFrame(dist_out, index=data_k_T.index, columns=data_k_T.columns)
print (df)
             3Dstudio  Accountancy  Cooking
3d modeling       1.0          0.0      0.0
IC auditor        0.0          1.0      1.0
Chef              0.0          1.0      1.0

out = df.stack(0).reset_index()
out.columns = ['Occ_s','Occ_T','Score']
print (out)
         Occ_s        Occ_T  Score
0  3d modeling     3Dstudio    1.0
1  3d modeling  Accountancy    0.0
2  3d modeling      Cooking    0.0
3   IC auditor     3Dstudio    0.0
4   IC auditor  Accountancy    1.0
5   IC auditor      Cooking    1.0
6         Chef     3Dstudio    0.0
7         Chef  Accountancy    1.0
8         Chef      Cooking    1.0

a = np.repeat(data_k_T.index, len(data_k_T.columns))
b = np.tile(data_k_T.columns, len(data_k_T))
c = dist_out.ravel()

out = pd.DataFrame({'Occ_s':a, 'Occ_T':b, 'Score':c})
print (out)
         Occ_s        Occ_T  Score
0  3d modeling     3Dstudio    1.0
1  3d modeling  Accountancy    0.0
2  3d modeling      Cooking    0.0
3   IC auditor     3Dstudio    0.0
4   IC auditor  Accountancy    1.0
5   IC auditor      Cooking    1.0
6         Chef     3Dstudio    0.0
7         Chef  Accountancy    1.0
8         Chef      Cooking    1.0