计算Pyspark中的相似性

Question

我有一个csv文件包含一些数据，我想选择带有输入的类似数据。 我的数据就像：

H1      | H2      | H3
--------+---------+----------
A       | 1       | 7
B       | 5       | 3
C       | 7       | 2

我想在csv中找到类似数据的数据点类似：[6，8]。

实际上，我想找到数据集的H2和H3的行类似于输入，并且它返回h1。

我想使用Pyspark和一些相似性度量，例如欧几里得距离，曼哈顿距离，余弦相似性或机器学习算法。