Python 列出两列之间的相似性

我有一个df：

df = pd.DataFrame({'id': [123, 456, 789],
                   'list_left': [['dog', 'cat'],['dog', 'mouse'], ['dog', 'elephant']],
                   'list_right': [['cat', 'mouse', 'giraffe'], ['mouse', 'dog'], ['giraffe', 'gorilla']]})

我想找出字符串列表之间的相似性。这应忽略顺序或长度（即，

['dog'，'mouse']

和

['mouse'，'dog']

应导致100%的相似性）。以下是我的尝试（）：

这将导致以下错误：

TypeError                                 Traceback (most recent call last)
<ipython-input-136-3b1e1ee16eed> in <module>()
----> 1 df['new'] = len(set(df['list_left']) & set(df2['list_right'][1])) / float(len(set(df['list_left']) | set(df['list_right']))) * 100

TypeError: unhashable type: 'list'

TypeError回溯（最近一次调用）
在（）
---->1 df['new']=len（set（df['list_left']）和set（df2['list_right'][1]）/float（len（set（df['list_left']）和set（df['list_right']）*100
TypeError:不可损坏的类型：“列表”

---

什么是比较数据库中列表列的好方法？对于不同长度的字符串列表，列表之间的相似性是否具有逻辑意义？

解决方案是使用

apply

：

df.apply(lambda x: len(set(x['list_left']) & set(x['list_right'])) / float(len(set(x['list_left']) | set(x['list_right']))) * 100,1)

输出：

0     25.0
1    100.0
2      0.0
dtype: float64

方程式的解释：

0     25.0
1    100.0
2      0.0
dtype: float64

在等式中，首先检查公共元素：

df.apply（λx:len（set（x['list\u left']）和set（x['list\u right']），1）

输出：

0    1
1    2
2    0
dtype: int64

0    4
1    2
2    4
dtype: float64

接下来，检查列表中的不同元素并将其乘以：

df.apply(lambda x: float(len(set(x['list_left']) | set(x['list_right']))), 1)

输出：

0    1
1    2
2    0
dtype: int64

0    4
1    2
2    4
dtype: float64

---

相似性由（公共元素/不同元素）*100定义。因此第一行为

1/4*100=0.25

此处不使用

应用

s = df.list_left + df.list_right
s1 = s.map(set)
(s.str.len() - s1.str.len()) / s1.str.len() * 100

Out[132]:
0     25.0
1    100.0
2      0.0
dtype: float64

为什么第一行有25%的相似性？既然
list\u left
中的一个项目与
list\u right
中的三个项目中的一个项目相匹配，那么它不应该是33%吗？请注意，所讨论的列表有不同的大小。您能解释一下为什么这个百分比是25吗？