Python 如何获取熊猫中单词的两行重叠度

我有一个如下所示的数据框：

df = pd.DataFrame([{"id": 'A1', 'happy_words': 'a,b,d,e', 'sad_words':'aa,cc,mm,zz'},
                          {"id": 'A2', 'happy_words': 'f,g,d,e', 'sad_words':'aa,dd,mm,zz'},
                          {"id": 'B2', 'happy_words': 'a,d,m,e', 'sad_words':'tt,cc,uu,zz'}])

我想计算每对（I，j）之间使用的单词的重叠程度。例如，4个单词中的2个--“d，e”由A1和A2选择，这两个单词被视为重叠。用于计算两个响应向量之间重叠程度的代码为

def get_percent_agree(i, j):
    return (list(i-j).count(0))/len(i)

如何应用上面的代码获得最终的二元数据帧

i    j  overlap_happy   overlap_sad
0    1    x%             x%  
0    2    x%             x%
0    3    x%             x%  
1    2    x%             x%  
2    3    x%             x%  

---

让我们试试这样的方法：

重新导入
从itertools导入组合
将numpy作为np导入
作为pd进口熊猫
df=pd.DataFrame（[{“id”：'A1'，'happy_words'：'a，b，d，e'，'sad_words'：'aa，cc，mm，zz'}，
{“id”：“A2”，“高兴的词”：“f，g，d，e”，“悲伤的词”：“aa，dd，mm，zz”}，
{“id”：“B2”，“高兴的词”：“a，d，m，e”，“悲伤的词”：“tt，cc，uu，zz”}）
words\u cols=list（过滤器（重新编译（r'.*\u words$）.search，df.columns））
df[words\u cols]=df[words\u cols].apply（lambda c:c.str.split（'，'））
#获取所有行组合
a、 b=地图（列表，zip（*组合（df.index，2）））
#合并
df=df.loc[a]。重置索引（）。合并(
df.loc[b].重置索引（），
左索引=真，
右索引=真，
).rename（列={'index_x'：'i'，'index_y'：'j'}）
def获得百分比的同意：
#获得交叉点
happy_intersect=np.intersect1d（s['happy_words_x']，s['happy_words_y']））
sad_intersect=np.intersect1d（s['sad_words_x']，s['sad_words_y']））
#计算和格式百分比
返回pd.序列（[f'{len（happy_intersect）/len（s.happy_words_x）：.2%}），
f'{len（sad_intersect）/len（s.sad_words_x）：.2%}']，
索引=['overlap_happy'，
"重叠(u sad")
#归并
df=df[['i'，'j']]。合并(
df.应用（获得百分比，轴=1），
左索引=真，
右索引=真
)
#展示
打印（df.to_字符串（索引=False））

输出：

i j overlap_happy overlap_sad 0 1 50.00% 75.00% 0 2 75.00% 50.00% 1 2 50.00% 25.00% 我重叠你快乐重叠你悲伤 0 1 50.00% 75.00% 0 2 75.00% 50.00% 1 2 50.00% 25.00%

---

它们是否需要处于相同的位置才能被视为重叠？“a，b”和“b，a”重叠吗？不，它们没有重叠。谢谢