如何计算两列之间的相似度？答案

【问题标题】：How to calculate the similarity between two columns?如何计算两列之间的相似度？
【发布时间】：2021-08-24 03:21:15
【问题描述】：

现在，我想计算数据库中两列之间的列名相似度（例如，jaro 距离）。

条件如下：

有 3 个表（即 T1、T2、T3），每个表有 3 列（即 C1、C2 和 C3）。
然后，我们可以表示 T1C1、T1C2、T1C3、T2C1、....、T3C3。

我想计算两列之间的相似度。但是，我期望的是（T1 仅与 T2、T3 进行比较；T2 仅与 T1、T3 进行比较，T3 仅与 T1、T2 进行比较）。例如：

sim(T1C1, T2C1), sim(T1C1, T2C2), sim(T1C3,T2C3)
sim(T1C1, T3C1), sim(T1C1, T3C2), sim(T1C3,T3C3)

那么，我如何计算两列之间的相似度，同一表中的列被忽略（或只返回 0 值）并且我正在使用 Python。

谢谢。

# given the list:
tbl_name = ['User', 'Band', 'Hall']
col_name = ['User.ID', 'User.Name', 'User.Address', 'Band.ID', 'Band.Name', 'Band.Country', 'Hall.ID', 'Hall.Name', 'Hall.Address']

def jaro_distance():
      .....
  return jaro_distance

# calculate similarity
for x in col_name:
   for y in col_name:
       print(jaro_distance(x,y))

以上代码，从col_name返回所有组合。

【问题讨论】：

标签： python pandas similarity data-wrangling

【解决方案1】：

这不是代码问题，而是算法和数学/统计问题。您的问题可以简化为：如何计算两列之间的相似性。

对于数值变量，距离是一种方式。
对于分类变量，您可能需要找到 NLP 相关解决方案。

【讨论】：