如何计算 pandas 数据框中基于字母的相似度

Question

这是我的第一个数据帧 df1

Id   Text
1    dFn
2    fiqe
3    raUw

这是我的第二个数据帧 df2

Id   Text
1    yuw
2    dnag

相似度矩阵，列是来自 df1 的 Id，行是 < code>Id from df2

       1      2      3
1      0      0   0.66  
2    0.5      0   0.25

注意：

(1,1)、(2,1) 和 (3,2) 中的 0 值，因为没有类似的字母

(3,1) 中的 0.25 值是因为 4 个字母“dnag”中只有 1 个来自 raUw 的字母（1/4 等于 0.25）

0.5 因 4 个字母中的 2 个相似而被计数

0.66 因 3 个单词中的 2 个相似而被计数

Answer 1

iiuc，一个选项是在嵌套列表中使用set.Intersection理解：

out = pd.DataFrame([[len(set(x.lower()) & set(y.lower())) / len(x) for y in df1['Text'].tolist()] for x in df2['Text'].tolist()])

输出：

     0    1         2
0  0.0  0.0  0.666667
1  0.5  0.0  0.250000