嘿大家[第一篇文章，请温柔请：]]
我正在尝试计算许多数组（数千）之间的相似性得分，以便我可以创建类似数组的2D图（类似tSNE）。
数组如下： 每个数组都有许多与之关联的唯一整数（每个对象可能有40-200个整数）：
arr1 = [1513, 2354, 1929483, 323423...]
arr2 = [4546, 847, 993847, 8457...]
...
arrN = [236, 395828, 434535, 4369...]
每个唯一的整数范围为~1-30,000,000。我想将每个数组与所有其他数组进行比较，以确定它们共有多少个整数。这应该是相似性得分的基础，我想这个比较将产生N×N矩阵的相似性得分，尽管我很想听听你如何将N×N矩阵降低到更低维度。
感谢您的帮助，我不确定从哪里开始！
答案 0 :(得分：2)
如果内存不是问题，我会将所有数组转换为集合，然后比较它们的哈希值，例如：
arr1 = [2, 3, 5, 7, 11, 13, 17, 19, 23, 29, 31, 37, 41, 43, 47, 53, 59, 61, 67, 71, 73, 79, 83, 89, 97, 101]
arr2 = [47, 53, 59, 61, 67, 71, 73, 79, 83, 89, 97, 101, 103, 107, 109, 113, 127, 131, 137, 139, 149]
arr1_arr2_same = set(arr1) & set(arr2)
print("arr1 vs arr2, same elements: {}\n\tTotal: {}".format(arr1_arr2_same, len(arr1_arr2_same)))
# prints:
# arr1 vs arr2, same elements: set([97, 67, 101, 71, 73, 79, 59, 83, 53, 89, 47, 61])
# Total: 12
您可以循环遍历数组，收集这些集合并将它们（或它们的总数）存储在所需的矩阵中。不知道你究竟想用它们做些什么，等等。