collections.Counter()也许使用；从数据类型的角度来看，这些是多集或袋：
from collections import CountercounterA = Counter(listA)counterB = Counter(listB)
现在，您可以按条目或频率比较这些：
>>> counterACounter({'apple': 3, 'orange': 2, 'banana': 1})>>> counterBCounter({'apple': 2, 'orange': 1, 'grapefruit': 1})>>> counterA - counterBCounter({'orange': 1, 'apple': 1, 'banana': 1})>>> counterB - counterACounter({'grapefruit': 1})您可以使用以下公式计算它们的余弦相似度：
import mathdef counter_cosine_similarity(c1, c2): terms = set(c1).union(c2) dotprod = sum(c1.get(k, 0) * c2.get(k, 0) for k in terms) magA = math.sqrt(sum(c1.get(k, 0)**2 for k in terms)) magB = math.sqrt(sum(c2.get(k, 0)**2 for k in terms)) return dotprod / (magA * magB)
这使：
>>> counter_cosine_similarity(counterA, counterB)0.8728715609439696
该值越接近1，则两个列表越相似。
余弦相似度是您可以计算的 一个
分数。如果您关心列表的长度，则可以计算另一个。如果您也将分数保持在0.0到1.0之间，则可以将这两个值相乘得到最终分数在-1.0到1.0之间。
例如，要考虑相对长度，可以使用：
def length_similarity(c1, c2): lenc1 = sum(c1.itervalues()) lenc2 = sum(c2.itervalues()) return min(lenc1, lenc2) / float(max(lenc1, lenc2))
然后合并为一个将列表作为输入的函数：
def similarity_score(l1, l2): c1, c2 = Counter(l1), Counter(l2) return length_similarity(c1, c2) * counter_cosine_similarity(c1, c2)
对于您的两个示例列表，结果为：
>>> similarity_score(['apple', 'orange', 'apple', 'apple', 'banana', 'orange'], ['apple', 'orange', 'grapefruit', 'apple'])0.5819143739626463>>> similarity_score(['apple', 'apple', 'orange', 'orange'], ['apple', 'orange'])0.4999999999999999
您可以根据需要混合其他指标。
