pandas中空列表两两计算杰卡德相似度触发ZeroDivisionError解决方法

计算杰卡德相似度时触发ZeroDivisionError: float division by zero的直接原因是：当参与比对的两个列表均为空列表时，二者转成集合后的并集元素数量为0，原函数直接执行「交集大小/并集大小」的除法运算，触发除零异常。

在杰卡德相似度计算函数中增加边界判断即可，按照集合相似度的通用计算约定，两个空集合完全相等，相似度取值为1.0，只需要在做除法前拦截并集长度为0的场景即可。

• 双空列表场景：直接返回约定的相似度值，不执行除法运算
• 单空列表+非空列表场景：并集长度等于非空列表的去重元素数，交集长度为0，原有逻辑计算返回0.0，不会触发异常
• 双非空列表场景：完全沿用原有计算逻辑，不影响正常结果

修复后可运行代码 #

import itertools
import pandas as pd

# 测试DataFrame构造
df = pd.DataFrame({
    "wordings": [[], [], [], ["模型", "算法"], ["算法", "数据"], ["模型"]],
    "users": ["用户1", "用户2", "用户3", "用户4", "用户5", "用户6"],
    "phase": ["阶段A", "阶段B", "阶段A", "阶段B", "阶段A", "阶段B"]
})

def jaccard_similarity(list_a: list, list_b: list) -> float:
    set_a = set(list_a)
    set_b = set(list_b)
    inter_len = len(set_a & set_b)
    union_len = len(set_a | set_b)
    # 拦截双空列表的边界场景，避免除零
    if union_len == 0:
        return 1.0
    return inter_len / union_len

# 两两比对计算
sim_result = []
record_tuples = list(zip(df["wordings"], df["users"], df["phase"]))
for (words1, user1, phase1), (words2, user2, phase2) in itertools.combinations(record_tuples, 2):
    score = jaccard_similarity(words1, words2)
    sim_result.append({
        "对比用户A": user1,
        "A所属阶段": phase1,
        "对比用户B": user2,
        "B所属阶段": phase2,
        "杰卡德相似度": round(score, 4)
    })

# 输出结果
result_df = pd.DataFrame(sim_result)
print(result_df)

如果业务规则对双空列表的相似度有特殊定义，比如认为两条无有效词汇的记录相似度为0、或者标记为空值，只需要修改union_len == 0分支下的返回值即可，核心逻辑是提前拦截并集长度为0的场景，从根源上避免除零运算。

注意：计算杰卡德相似度前一定要先把列表转成集合去重，否则重复元素会导致交集、并集长度计算错误，影响最终结果。

内容的提问来源于stack exchange，提问作者nerd