Python 将dataframe中一项的函数应用于所有其他项
我正在检查Python中文本的相似性。我有大约100条记录的数据集,并准备了一个用于检查相似性的函数——它有两个参数,用于两组单词Python 将dataframe中一项的函数应用于所有其他项,python,text-mining,sentence-similarity,Python,Text Mining,Sentence Similarity,我正在检查Python中文本的相似性。我有大约100条记录的数据集,并准备了一个用于检查相似性的函数——它有两个参数,用于两组单词 def getSimilarity(a, b): x = set(a) y = set(b) z = x.intersection(y) return float(len(z)) / (len(x) + len(y) - len(z)) 我的数据帧: 1 ['a','b','c','d'] other columns 2 ['a'
def getSimilarity(a, b):
x = set(a)
y = set(b)
z = x.intersection(y)
return float(len(z)) / (len(x) + len(y) - len(z))
我的数据帧:
1 ['a','b','c','d'] other columns
2 ['a','h','e','f'] other columns
3 ['3','b','c','g'] other columns
4 ['y','b','c','z'] other columns
5 ['h','b','j','k'] other columns
我想创建一个方法,该方法将对给定行的数据帧进行迭代,并找出两条最相似的记录。
例如,数据帧中索引1的
checkSimilarity(1)
或checkSimilarity(df['col'][1])
将给我们提供最相似的[3,4]
。到目前为止您尝试了什么?您可以使用numpy
矢量化: