在Python上使用cosine_similarity函数

Question

import numpy as np
import pandas as pd
from sklearn.metrics.pairwise import cosine_similarity

a = np.array([[3,4],[2,5],[1,2],[1,2],[4,5]])

ap = pd.DataFrame(a, index=['Sonata','Etudes','Waltzes','Nocturnes','Marches'],columns=['search_history','view_count'])
ap

​

​

b = np.array([[4,4],[3,5],[2,1],[4,7],[1,2]])
bp = pd.DataFrame(b, index=['Sonata','Etudes','Waltzes','Nocturnes','Marches'],columns=['comment + wishlist ',' signup'])
bp

​

​

然后我cosine_similarity函数，

from sklearn.metrics.pairwise import cosine_similarity
pd.DataFrame(cosine_similarity(a, b),columns=['A','B'], index=['Sonata','Etudes','Waltzes','Nocturnes','Marches'])

这意味着：

ValueError: Shape of passed values is (5, 5), indices imply (5, 2)

所以如果我像这样改变，

from sklearn.metrics.pairwise import cosine_similarity
pd.DataFrame(cosine_similarity(a, b),columns=['A','B','c','d','e'], index=['Sonata','Etudes','Waltzes','Nocturnes','Marches'])

​

​

这个结果被淘汰了。

这不是我想的结果。与dataFrames a和b一样，我希望在5行和2列中显示结果，但我们总是在5行和5列中获得结果。

我该怎么办？

预期结果是

           A            B   
Sonata     0.989949     0.994692    
Etudes      0.919145    0.987241    
Waltzes     0.948683    0.997054    
Nocturnes   0.948683    0.997054    
Marches    0.993884     0.990992    

像这样

Answer 1

cosine_similarity()将比较数组中的每个值和第二个数组中的所有值，即5 * 5操作和结果。您只需要前两列，这样就可以将结果DataFrame切片

df = pd.DataFrame(cosine_similarity(a, b), columns=['A', 'B', 'C', 'D', 'E'], index=['Sonata', 'Etudes', 'Waltzes', 'Nocturnes', 'Marches'])
print(df[['A', 'B']]) # by columns names
# or
print(df.iloc[:, 0:2]) # by columns indices

输出

                  A         B
Sonata     0.989949  0.994692
Etudes     0.919145  0.987241
Waltzes    0.948683  0.997054
Nocturnes  0.948683  0.997054
Marches    0.993884  0.990992