我正在编写一种算法,根据兴趣相似度,使用NearestNeighbors(n_neighbors = 1)将setA中的每个人与setB中的一个人进行匹配。
这是我到目前为止所拥有的:
dfA = pd.DataFrame(np.array([[1, 1, 1, 1], [1,1,2,2], [4, 5, 2, 0], [8, 8, 8, 8]]),
columns=['interest0', 'interest2', 'interest3','interest4'],
index=['personA0','personA1','personA2','personA3'])
dfB = pd.DataFrame(np.array([[1, 1, 1, 1], [1, 1, 1, 2], [2,3,2,2], [8, 6, 8, 8]]),
columns=['interest0', 'interest2', 'interest3','interest4'],
index=['personB0','personB1','personB2','personB3'])
knn = NearestNeighbors(n_neighbors = 1, metric = my_dist).fit(dfA)
distances, indices = knn.kneighbors(dfB)
>>> dfA
drink interest2 interest3 interest4
personA0 1 1 1 1
personA1 1 1 2 2
personA2 4 5 2 0
personA3 8 8 8 8
>>> dfB
drink interest2 interest3 interest4
personB0 1 1 1 1
personB1 1 1 1 2
personB2 2 3 2 2
personB3 8 6 8 8
>>> print("Distances\n\n", distances, "\n\nIndices\n\n", indices)
Distances
[[0. ]
[0.125]
[1.125]
[0.5 ]]
Indices
[[0]
[0]
[1]
[3]]
查看输出,它表明personB0的最高匹配项是personA0(距离= 0)。但是,personB1的最高匹配项也是personA0(距离= 0.125)!
我想以某种方式将personB0与personA0匹配(因为它们的距离最小),将它们移动到另一个表,然后重新运行K-Neighbors算法,希望该算法现在建议personB1的最高匹配项是personA1(因为现在删除了A0 )。我已经开始编写for循环对此进行迭代,但是,这对我来说相当复杂(必须遍历多个不同的数组,数据帧等),所以我想知道什么是最佳方法?我想要一个如下所示的最终数据框,它具有1:1对应关系:
SetA SetB
personA0 personB0
personA1 personB1
personA2 personB3
personA3 personB2
您可以使用列表来检查某个人是否匹配。此外,您需要通过更改传递给参数n_neighbors
的tha值来获得按其距离而不是最近的邻居排序的邻居列表。
knn = NearestNeighbors(n_neighbors=len(dfB)).fit(dfB) distances, indices = knn.kneighbors(dfA) matched = [] pairs = [] for indexA, candidatesB in enumerate(indices): personA = dfA.index[indexA] for indexB in candidatesB: if indexB not in matched: matched.append(indexB) personB = dfB.index[indexB] pairs.append([personA, personB]) break matches = pd.DataFrame(pairs, columns=['SetA', 'SetB'])
结果数据框看起来像这样:
SetA SetB 0 personA0 personB0 1 personA1 personB1 2 personA2 personB2 3 personA3 personB3
[请注意,我使用了默认指标(p = 2的minkowski)。如果将
metric=my_dist
传递给NearestNeighbors
,结果可能会有所不同。