python使用NumPy计算两个向量之间的余弦相似度

在 NumPy 中，可以使用 numpy.dot 和 numpy.linalg.norm 函数来计算两个向量的余弦相似度。余弦相似度是计算两个向量之间的相似度的一种方法。它测量两个非零向量之间夹角的余弦值，值在 -1 到 1 之间，其中 1 表示两个向量方向完全相同，-1 表示它们的方向完全相反。以下是一个简单的示例，演示如何使用 NumPy 计算两个向量之间的余弦相似度：

import numpy as np

# 定义两个向量
a = np.array([1, 2, 3])
b = np.array([4, 5, 6])

# 计算余弦相似度
cos_sim = np.dot(a, b) / (np.linalg.norm(a) * np.linalg.norm(b))

print("向量 a 为:", a)
print("向量 b 为:", b)
print("余弦相似度为:", cos_sim)

在这个示例中，我们首先导入 NumPy 库，然后定义了两个向量 a 和 b。然后，我们使用 numpy.dot 函数和 numpy.linalg.norm 函数来计算这两个向量之间的余弦相似度。最后，我们将结果打印出来。

输出结果应该是：

向量 a 为: [1 2 3]
向量 b 为: [4 5 6]
余弦相似度为: 0.9746318461970762

因此，可以看到，使用 numpy.dot 和 numpy.linalg.norm 函数可以方便地在 NumPy 中计算两个向量之间的余弦相似度。