import itertools as it
corr = lambda a,b: len(set(a).intersection(set(b)))/len(a)
c = [corr(*x) for x in it.combinations_with_replacement(df.T.values.tolist(),2)]
j = 0
x = []
for i in range(4, 0, -1): # replace 4 with df.shape[-1]
x.append([np.nan]*(4-i) + c[j:j+i])
j+= i
pd.DataFrame(x, columns=df.columns, index=df.columns)
这就产生了
store_1 store_2 store_3 store_4
store_1 1.0 0.4 0.4 0.8
store_2 NaN 1.0 0.2 0.4
store_3 NaN NaN 1.0 0.2
store_4 NaN NaN NaN 1.0
你可以试试这样的
这就产生了
如果您希望估计商店在产品方面的相似性,那么您可以使用:
One hot encoding
然后每个商店可以用一个向量来描述,其长度为n=所有商店中所有产品的数量,例如:
香蕉 橙色 苹果 梨 梅子 橘子 覆盆子 番茄 甜瓜 . . . 你知道吗
存储\u 1则描述为1 1 1 1 1 0 0 0 0 0。。。 存储\u 2 1 0 0 1 0 1 1 1 0。。。你知道吗
这就给你留下了一个数值向量,在这里你可以计算不同的度量,比如欧几里德距离。你知道吗
相关问题 更多 >
编程相关推荐