Non credo che le prestazioni contino molto qui, ma non posso resistere. La funzione zip () ricopia completamente entrambi i vettori (più di una trasposizione di matrice, in realtà) solo per ottenere i dati in ordine "pitonico". Sarebbe interessante temporizzare l'implementazione di dadi e bulloni:
import math
def cosine_similarity(v1,v2):
"compute cosine similarity of v1 to v2: (v1 dot v2)/{||v1||*||v2||)"
sumxx, sumxy, sumyy = 0, 0, 0
for i in range(len(v1)):
x = v1[i]; y = v2[i]
sumxx += x*x
sumyy += y*y
sumxy += x*y
return sumxy/math.sqrt(sumxx*sumyy)
v1,v2 = [3, 45, 7, 2], [2, 54, 13, 15]
print(v1, v2, cosine_similarity(v1,v2))
Output: [3, 45, 7, 2] [2, 54, 13, 15] 0.972284251712
Questo passa attraverso il rumore simile al C dell'estrazione di elementi uno alla volta, ma non esegue la copia di array in blocco e ottiene tutto ciò che è importante in un unico ciclo for e utilizza una singola radice quadrata.
ETA: chiamata di stampa aggiornata per essere una funzione. (L'originale era Python 2.7, non 3.3. La corrente gira sotto Python 2.7 con from __future__ import print_function
un'istruzione.) L'output è lo stesso, in entrambi i casi.
CPYthon 2.7.3 su 3.0GHz Core 2 Duo:
>>> timeit.timeit("cosine_similarity(v1,v2)",setup="from __main__ import cosine_similarity, v1, v2")
2.4261788514654654
>>> timeit.timeit("cosine_measure(v1,v2)",setup="from __main__ import cosine_measure, v1, v2")
8.794677709375264
Quindi, il modo non pitonico è circa 3,6 volte più veloce in questo caso.