我有一个 DataFrame,希望使用一个函数基于计算创建一个新字段,该函数采用从 DataFrame 的一行中获取的 2 个向量。
例如,我的数据如下所示;
df = pd.DataFrame({
"A": [1,2,3,4,5],
"B": [6,7,8,9,10],
"C": [7,8,1,9,10],
"D": [2,3,4,5,6],
})
我想逐行计算[A,B].[C,D]
的cosine_similarity
,然后将结果输出为新的列E
我的功能如下;
import sklearn as sk
from sklearn.metrics import pairwise as pw
def similarity(Vec1, Vec2):
return pw.cosine_similarity(Vec1,Vec2)
我正在考虑使用 map
和 lambda
函数,目前有以下功能。这里的问题是,这是计算沿列的余弦相似度,而不是跨列的余弦相似度。我真的希望能够使用索引来做到这一点,这样我就可以选择我需要的字段,以防字段数量变得非常大!
df['E'] = map(lambda x,y : similarity(x,y), df.iloc[:,2:], df.iloc[:,:2])
最佳答案
这是一种方法:
import numpy as np
import sklearn as sk
from sklearn.metrics import pairwise as pw
df = pd.DataFrame({
"A": [1,2,3,4,5],
"B": [6,7,8,9,10],
"C": [7,8,1,9,10],
"D": [2,3,4,5,6],
})
df['E'] = df.apply(lambda row: pw.cosine_similarity(np.array([row['A'], row['B']]),
np.array([row['C'], row['D']]))[0][0], axis=1)
# A B C D E
# 0 1 6 7 2 0.429057
# 1 2 7 8 3 0.594843
# 2 3 8 1 4 0.993533
# 3 4 9 9 5 0.798815
# 4 5 10 10 6 0.843661
更容易扩展的解决方案:
df['E'] = [pw.cosine_similarity(i, j)[0][0] for i, j in \
zip(df[df.columns[:2]].values, df[df.columns[2:]].values)]
功能替代:
df['E'] = list(map(lambda i, j: pw.cosine_similarity(i, j)[0][0],
df[df.columns[:2]].values,
df[df.columns[2:]].values))
关于python - 使用 python 从基于 DataFrame 的 2 个向量的函数创建一个新字段,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/49009475/