在R中对数据框列表计算每行相邻对的余弦相似度

1. 加载依赖包 #

首先需要加载lsa包，未安装则先执行安装命令：

install.packages("lsa")
library(lsa)

2. 定义计算连续行余弦相似度的函数 #

这个函数接收单个数据框，遍历所有连续行对，计算每对的余弦相似度并返回结果向量：

calc_cosine_pairs <- function(df) {
  row_count <- nrow(df)
  # 行数不足2时返回空向量
  if (row_count < 2) return(numeric(0))
  
  cosine_values <- numeric(row_count - 1)
  
  # 遍历每一对连续行
  for (i in seq_len(row_count - 1)) {
    # 提取行并转置为列向量矩阵（适配lsa::cosine的输入要求）
    vec_current <- t(as.matrix(df[i, ]))
    vec_next <- t(as.matrix(df[i + 1, ]))
    
    # 计算余弦相似度并转为数值
    cosine_values[i] <- as.numeric(lsa::cosine(vec_current, vec_next))
  }
  
  return(cosine_values)
}

3. 遍历数据框列表计算结果 #

用lapply遍历数据框列表，应用上述函数：

# 模拟数据
df1 = data.frame(y1 = c(1,2,3,4,5), y2 = c(2,3,4,5,6), y3 = c(5,4,3,2,1))
df2 = data.frame(y1 = c(6,7,8,9,10), y2 = c(6,5,4,3,2), y3 = c(1,3,5,7,9))
dflist = list(df1, df2)

# 计算所有数据框的连续行余弦相似度
cosine_results <- lapply(dflist, calc_cosine_pairs)

4. 分开保存结果 #

方式1：通过列表索引直接提取

cosine_results是列表，每个元素对应原数据框的计算结果：

cos_df1 <- cosine_results[[1]]  # df1的余弦值
cos_df2 <- cosine_results[[2]]  # df2的余弦值

方式2：命名列表后通过名称访问

给列表命名让访问更直观：

names(cosine_results) <- c("cos_df1", "cos_df2")
cos_df1 <- cosine_results$cos_df1
cos_df2 <- cosine_results$cos_df2

方式3：自动生成独立变量

数据框数量较多时，用循环自动生成对应变量：

for (idx in seq_along(cosine_results)) {
  assign(paste0("cos_df", idx), cosine_results[[idx]])
}

执行后会生成cos_df1、cos_df2等独立变量。

示例结果 #

运行代码后，cos_df1的结果为：

[1] 0.9493361 0.9554417 0.9715207 0.9922779

cos_df2的结果为：

[1] 0.9728838 0.9728838 0.9728838 0.9728838

内容的提问来源于stack exchange，提问作者celialayla