解决TypeError：字符串与浮点数无法比较的余弦相似度列计算问题

报错核心是类型不兼容：df[cos_cols].idxmax(axis=1)返回的是列名字符串（比如articleScores1），你直接拿它和浮点数0.5做比较，自然触发TypeError。同时你的n_lar函数逻辑完全错误：apply是逐行处理单条数据，但你在函数里直接操作整个DataFrame，且没有正确返回值。

推荐用向量化操作实现需求（比apply高效数倍，适合大数据集）：

import numpy as np

# 定义相似度列列表
cos_cols = [f"articleScores{i}" for i in range(1, 6)]

# 计算每行的最大相似度数值、对应列名
max_sim_values = df[cos_cols].max(axis=1)
max_sim_cols = df[cos_cols].idxmax(axis=1)

# 生成目标列：按规则赋值
df['Most_similar_to'] = np.where(
    max_sim_values >= 0.5,
    max_sim_cols.str.replace('articleScores', 'CosineSim'),
    False
)

代码解释 #

• max_sim_values：提取每行5个相似度列中的最大值（数值类型，可直接和0.5比较）
• max_sim_cols：获取每行最大值对应的列名（如articleScores3）
• np.where：批量判断赋值：
  • 当最大值≥0.5时，把列名中的articleScores替换为CosineSim，得到要求的CosineSimX格式
  • 否则返回False

如果一定要用apply（不推荐，小数据集可用），需修改为逐行处理逻辑：

cos_cols = [f"articleScores{i}" for i in range(1, 6)]

def get_most_similar(row):
    sim_vals = row[cos_cols]
    max_val = sim_vals.max()
    if max_val >= 0.5:
        target_col = sim_vals.idxmax()
        return target_col.replace('articleScores', 'CosineSim')
    return False

df['Most_similar_to'] = df.apply(get_most_similar, axis=1)

内容的提问来源于stack exchange，提问作者Python-data