推荐系统：实现基于用户的协同过滤算法

在推荐系统中实现基于用户的协同过滤算法中，获取相似用户的方法实现。

基于用户的协同过滤算法

这种算法给用户推荐和他感兴趣相似的其他用户喜欢的物品，主要包括两个步骤：
1.找到和目标用户兴趣相似的用户集合
2.找到这个集合中的用户喜欢的，且目标用户没有听说过的物品推荐给目标用户

在这里分享两种寻找相似用户集合的方法，并返回她们的余弦相似度。代码是部分代码，仅供大家启发与参考。

def getSimilarUsers(userId : str, n : int =5):
	cos_sim_list,cos_sim_values,users_list = [],[],[]
	 # Cosine similarity between each users
	for i in r_df_matrix.index:
	if i == userId: #remove itself
	 	continue
	cos_sim_list.append(cos_sim(r_df_matrix.loc[userId].values, df_matrix.loc[i].values))
  	# rank the cosine similar
  	user_indexs = np.argsort(cos_sim_list)[::-1][:(n)]

  	for i in user_indexs:
    	cos_sim_values.append(cos_sim_list[i])
    	users_list.append(df_matrix.index[i])
  	topk_userids = users_list # a list/numpy array of k userIds of top-k users
  	topk_cosines = cos_sim_values  # a list/numpy array of k co