杰卡尔德相似度的简单实现

背景：每个游客分别对七个景区进行了0-5的评分，并且共有十个游客，选取一组游客作为样本
注意事项：杰卡尔德相似度求交集的时候需要点对点求。
同时，要去除0分，防止干扰数据

import numpy as np

tour = np.array([[5, 5, 4, 1, 1, 5, 0], [4, 5, 1, 5, 3, 0, 5], [3, 1, 4, 4, 1, 3, 5],
         [2, 0, 4, 1, 3, 2, 3],
         [1, 4, 1, 5, 0, 2, 2], [5, 2, 4, 5, 3, 0, 4], [4, 1, 1, 4, 2, 5, 2], [5, 2, 5, 0, 4, 3, 5],
         [2, 1, 4, 1, 4, 2, 0]])
tourist3 = [4, 0, 5, 0, 2, 2, 4]
#选取一个样本

jiaoji = []
for i in range(len(tour)):#第一个循环遍历二维数组第一层
    A = tour[i]
    fenmu = tourist3
    retC = list(set(A).union(set(fenmu)))#求并集
    
    retC.remove(0)#移除0分
  
    fenmu = len(retC)
    for s in range(len(A)):#第二个循环遍历出数组最里层的每一个元素
        
        if A[s]==tourist3[s]:#点对点比较并求交集
            jiaoji.append(A[s])
        if 0 in jiaoji:
            jiaoji.remove(0)#移除0分
            
    if len(jiaoji) == 0:
        print(0)
    else:
        
       
        fenzi = len(jiaoji)
        print(fenzi/fenmu)
    jiaoji = []#将这一轮的交集列表清零避免对后面的计算产生影响