python - 在Python中使用矩阵格式来计算我自己的相似度分数

Question

我有一个 csv 文件，它是国家之间交易的商品的值(value)，如下所示:

Country  Comm  Value
 GER       1     200
 GER       2     300
 GER       45    354
 USA       2     100
 USA       85    500
 UK        2     240
 UK        85    900

我用这些数据创建了一个矩阵。在这个创建的矩阵中，行是国家，列是商品代码，每个元素显示贸易值(value)。商品数量为 97 种，我使用以下代码创建该矩阵:

rfile = open('file path','r')
rfile.next()
dic_c1_products = {}
for i in rfile :
    lns = i.strip().split(',')
    c1 = lns[0]
    p = lns[1]
    value= lns[2]
    if not dic_c1_products.has_key(c1):
        dic_c1_products[c1] = [(p,value),]
    else:
        dic_c1_products[c1].append((p,value))
 product_count  = 97
 c1_list = dic_c1_products.keys()
 matrix_c1_products = [[0 for col in range(int(product_count)+1)] for row     in range(len(c1_list))]
 for c1 in dic_c1_products:
      for p, v in dic_c1_products[c1]:
           matrix_c1_products[c1_list.index(c1)][int(p)] = int(v)
 print 'Matirix Done'

现在我想计算每对国家的指数得分(这对得分是:共同贸易总额除以每个国家的贸易总额)。创建的矩阵具有如下形式:

Countries   Commodity1 Commodity2 Commodity45 Commodity85
 GER           200        300         45          0
 USA            0         100          0         500
 UK             0         240          0         900

首先，我想将两个国家正在交易的相同商品的总值(value)相加，然后将该金额除以这两个国家的总贸易额。例如，如果我们考虑德国-美国，它们都交易商品编号 2，所以我想对这些常见商品进行求和 (300+100)德国与美国贸易总额之和:(第一行:200+300+354)+(第二行:100+500)简而言之，如果我们考虑矩阵:首先，我想计算 GER 和 USA 行的总值。其次，计算正在交易的普通商品的总值(value)第三，将第二阶段的值(value)除以第一阶段的值(value)。为此，我编写了以下代码:

for i in range(len(matrix_c1_products)):
    for j in range(i, len(matrix_c1_products)):
            dividend=sum([matrix_c1_products[i]])+sum([matrix_c1_products[j]])
        for k in matrix_c1_products[i]:
            for l in matrix_c1_products[j]:
              #  print k,l
                if int(k)==int(0):
                    pass
                if int(l)==int(0):
                    pass
                else:
                    commonone.append(k)
                    commontwo.append(l)
             divisor=sum(commonone)+sum(commontwo)
             shares=int(divisor/dividend)
             print shares, divisor, dividend

但是 commonone 列表有问题。我打算从两行中删除零并添加存在值，但由于循环，相同的数字在列表中重复，结果不正确。任何帮助将不胜感激。

Answer 1

作为一种更Pythonic的方式，您可以首先创建一个行字典，可以通过以下字典理解来完成:

hart_dict={i[0]:map(int,i[1:]) for i in spamreader}
{' USA': [0, 100, 0, 500], ' GER': [200, 300, 45, 0], ' UK': [0, 240, 0, 900]}

然后使用 itertools.combinations 创建配对:

capirs= list(combinations(next(z),2))
[(' GER', ' USA'), (' GER', ' UK'), (' USA', ' UK')]

然后计算商品总和:

row_sums=[sum(map(int,i)) for i in z]
[200, 640, 45, 1400]

最后你可以循环你的对并计算你的预期结果。

import csv
from itertools import combinations,izip

commodities=['Commodity1' ,'Commodity2', 'Commodity45' ,'Commodity85']
with open('ex.csv', 'rb') as csvfile:
    spamreader = list(csv.reader(csvfile, delimiter=','))
    chart_dict={i[0]:map(int,i[1:]) for i in spamreader}
    z=izip(*spamreader)
    capirs= list(combinations(next(z),2))
    row_sums=[sum(map(int,i)) for i in z]

    for i,j in capirs:
      for index,com in enumerate(commodities):
        print i,j,com,float(chart_dict[i][index]+chart_dict[j][index])/row_sums[index]

结果:

GER  USA Commodity1 1.0
 GER  USA Commodity2 0.625
 GER  USA Commodity45 1.0
 GER  USA Commodity85 0.357142857143
 GER  UK Commodity1 1.0
 GER  UK Commodity2 0.84375
 GER  UK Commodity45 1.0
 GER  UK Commodity85 0.642857142857
 USA  UK Commodity1 0.0
 USA  UK Commodity2 0.53125
 USA  UK Commodity45 0.0
 USA  UK Commodity85 1.0