我有一个包含多个向量的数据帧，每个向量有3个条目。在我的表示中，每一行都是一个向量。我需要计算每个向量之间的余弦相似性。将其转换为矩阵表示更好，或者在数据帧本身中是否有更干净的方法
这是我尝试过的代码
将熊猫作为pd导入
从scipy导入空间
df=pd.DataFrame（[X，Y，Z]）.T
相似性=df.values.tolist（）
对于相似性中的x：
对于相似性方面的y：
结果=1-空间距离余弦（x，y）
您可以直接使用sklearn.metrics.pairwise.cosine\u similarity
演示
将numpy作为np导入；作为pd进口熊猫
从sklearn.metrics.pairwise导入余弦_相似性
df=pd.DataFrame（np.random.randint（0,2,3,5）））
df
## 0 1 2 3 4
## 0 1 1 1 0 0
## 1 0 0 1 1 1
## 2 0 1 0 1 0
余弦相似性（df）
##数组（[[1,0.33333333,0.40824829]，
## [ 0.33333333, 1. , 0.40824829],
## [ 0.40824829, 0.40824829, 1. ]])