python向量之间相似性的计算方法（持续更新中）

亲测有效的方法：

1、余弦相似性（cosine）

    （1）使用sklearn中的向量相似性的计算包，代码如下：

      这个函数的输入是n个长度相同的list或者array，函数的处理是计算这n个list两两之间的余弦相似性，最后生成的相似矩阵中的s[i][j]表示的是原来输入的矩阵中的第i行和第j行两个向量的相似性，所以生成的是n*n的相似性矩阵

from sklearn.metrics.pairwise import cosine_similarity

s = cosine_similarity([[1, 0, 0, 0]], [[1, 0, 0, 0]])
print(s)

输出： 

 [[1.]]

    （2）使用scipy包中的距离计算，代码如下：

        这里的vec1和vec2都是一维的array向量。

from scipy.spatial.distance import cosine

vec1 = [1, 2, 3]
vec2 = [2, 3, 4]
s = cosine(vec1, vec2)

print(s)

 0.007416666029069763

2、皮尔森相关系数（pearson）

from scipy import stats
import numpy as np

a = np.array([0, 0, 0, 1, 1, 1, 1])
b = np.arange(7