person 相關系數

import  pandas as pd
import  pprint
import  numpy as np

users = ['user1','user2','user3','user4','user5',]
items = ['item A','item B','item C','item D','item E',]


datasets = [
    [5,3,4,4,None],
    [3,1,2,3,3],
    [4,3,4,3,5],
    [3,3,1,5,4],
    [1,5,5,2,1]
]

df = pd.DataFrame(datasets,columns= items,index= users)

print(df)
print('用戶之間的兩兩相似度:')
#直接計算person(皮爾遜)相關系數
#默認是按列進行計算，因此如果計算用戶間的相似度，當前需要進行轉置

# DataFrame.corr(method='pearson', min_periods=1)
#
# 參數說明：
#
# method：可選值為{‘pearson’, ‘kendall’, ‘spearman’}
#
#                pearson：Pearson相關系數來衡量兩個數據集合是否在一條線上面，即針對線性數據的相關系數計算，針對非線性                                           數據便會有誤差。
#
#                 kendall：用於反映分類變量相關性的指標，即針對無序序列的相關系數，非正太分布的數據
#
#                 spearman：非線性的，非正太分析的數據的相關系數
#
# min_periods：樣本最少的數據量
#
# 返回值：各類型之間的相關系數DataFrame表格。

user_similar = df.T.corr(method='pearson')
# user_similar = df.T
print(user_similar)


print('物品之間的兩兩相似度:')
item_similar = df.corr()
print(item_similar)