在python中计算两个向量（单词包）之间的欧几里德距离

我用字典来表示文章中的字数

例如

{“name”：2，“your”：10，“me”，20}

表示“name”出现两次，“your”出现10次，“me”出现20次

那么，有没有一个好的方法来计算这些向量的欧几里德距离？ 困难在于这些向量的长度不同，有些向量包含某些单词，而有些则不包含

我知道我肯定可以编写一个长函数来实现这一点，只要寻找一种更简单、更聪明的方法。谢谢

编辑： 目的是获得两篇文章之间的相似性，并将它们分组

math.sqrt(sum((a[k] - b[k])**2 for k in a.keys()))

其中a和b是具有相同键的词典。如果要在不同的向量对之间比较这些值，那么应该确保每个向量包含完全相同的单词，否则距离度量将毫无意义

可以仅基于交点计算距离：

math.sqrt(sum((a[k] - b[k])**2 for k in set(a.keys()).intersection(set(b.keys()))))

另一个选项是使用union并将未知值设置为0

math.sqrt(sum((a.get(k, 0) - b.get(k, 0))**2 for k in set(a.keys()).union(set(b.keys()))))

---

但您必须仔细考虑您正在计算的实际情况。

您也可以使用两个向量之间的余弦相似性，如下链接所示：

---

这对您有帮助吗？它使用

counter.counter（）

，这是bag数据结构的Python实现。只有当两个向量长度相同（即映射相同的单词）且顺序相同时，才能执行此操作。您可以计算交叉点上的欧几里德距离。无论如何，这是一个任意的选择。如果你准确地告诉我们你的目标，我们可能会帮助你设计一个好的距离函数来实现你的目标。问题是，计算不同维度数据的欧几里德距离有多大意义。向量

x=（x1，x2）

是二维的，因此在欧几里得距离方面可与向量

y=（y1，y2）

进行比较。但是从这个意义上讲，你如何将'x'与向量z=（z1，z2，z3，z4，z5）相比较呢？