Pandas 列出两列之间的相似性

Question

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']]})我想找到字符串列表之间的相似性。这应该忽略顺序或长度（即['dog', 'mouse']，['mouse', 'dog']应该导致 100% 的相似性）。这是我的尝试（https://www.geeksforgeeks.org/python-percentage-similarity-of-lists/）：df['result'] = len(set(df['list_left']) & set(df2['list_right'][1])) / float(len(set(df['list_left']) | set(df['list_right']))) * 100这会导致此错误：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']))) * 100TypeError: unhashable type: 'list'与熊猫 df 中的列表列进行比较的好方法是什么？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？

Answer 1

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

方程的解释：

首先在等式中检查公共元素：

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

输出：

0    1

1    2

2    0

dtype: int64

接下来，您检查列表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    4

1    2

2    4

dtype: float64

相似度由（共同元素/不同元素）*100 定义。所以对于第一行它是1/4*100 = 0.25。

Answer 2

这里解决方案不使用apply

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