时间戳

首页 > 解决方案 > 在 pandas 数据框中查找房屋之间的相似性以进行内容过滤

pandas - 在 pandas 数据框中查找房屋之间的相似性以进行内容过滤

问题描述

我想对房屋应用内容过滤。我想找到要推荐的每个房屋的相似度得分。我可以为一号房子推荐什么？所以我需要房屋的相似度矩阵。我怎样才能找到它？

谢谢

    data = [['house1',100,1500,'gas','3+1']
    ,['house2',120,2000,'gas','2+1']
    ,['house3',40,1600,'electricity','1+1']
    ,['house4',110,1450,'electricity','2+1']
    ,['house5',140,1200,'electricity','2+1']
    ,['house6',90,1000,'gas','3+1']
    ,['house7',110,1475,'gas','3+1']
   ]

     Create the pandas DataFrame 
    df = pd.DataFrame(data, columns = 
    ['house','size','price','heating_type','room_count'])

标签： pandasmatrixfilteringsimilarity

解决方案

如果我们在数值的情况下根据绝对差异定义相似性，SequenceMatcher在字符串的情况下通过计算的相似性比率（或者更准确地说是 1 - 比率以使其与差异具有可比性）来定义相似性，我们可以将这些操作应用于各个列，然后标准化结果在 0 ... 1 的范围内，其中 1 表示（几乎）相等，0 表示最小相似度。总结各个列，我们得到最相似的房子作为总相似度最高的房子。

from difflib import SequenceMatcher

df = df.set_index('house')

res = pd.DataFrame(df[['size','price']].sub(df.loc['house1',['size','price']]).abs())
res['heating_type'] = df.heating_type.apply(lambda x: 1 - SequenceMatcher(None, df.heating_type[0], x).ratio())
res['room_count'] = df.room_count.apply(lambda x: 1 - SequenceMatcher(None, df.room_count[0], x).ratio())
res['total'] = res['size'] + res.price + res.heating_type + res.room_count
res = 1 - res / res.max()

print(res)
print('\nBest match of house1 is ' + res.total[1:].idxmax())

结果：

            size  price  heating_type  room_count     total
house                                                      
house1  1.000000   1.00           1.0         1.0  1.000000
house2  0.666667   0.00           1.0         0.0  0.000000
house3  0.000000   0.80           0.0         0.0  0.689942
house4  0.833333   0.90           0.0         0.0  0.882127
house5  0.333333   0.40           0.0         0.0  0.344010
house6  0.833333   0.00           1.0         1.0  0.019859
house7  0.833333   0.95           1.0         1.0  0.932735

Best match of house1 is house7

推荐阅读