Python计算二维向量余弦相似度 - 代码示例

可以使用NumPy库来计算两个二维向量之间的余弦相似度。

import numpy as np

def cosine_similarity(a, b):
    # 计算向量a和b的点积
    dot_product = np.dot(a, b)
    # 计算向量a和b的模长
    a_norm = np.linalg.norm(a)
    b_norm = np.linalg.norm(b)
    # 计算余弦相似度
    similarity = dot_product / (a_norm * b_norm)
    return similarity

# 示例向量
a = np.array([1, 2])
b = np.array([3, 4])

# 计算余弦相似度
similarity = cosine_similarity(a, b)
print('余弦相似度为：', similarity)

输出结果为：

余弦相似度为： 0.9838699100999074

本文介绍了使用Python和NumPy库计算两个二维向量之间的余弦相似度。代码示例清晰易懂，并提供了示例向量和输出结果，方便读者理解和实践。