python3.9 numpy gensim

### Python 3.9 中 NumPy 和 Gensim 的使用教程 #### 安装环境配置 为了确保能够顺利运行 NumPy 和 Gensim，在 Python 3.9 环境下，建议先通过 pip 工具来安装这两个库： ```bash pip install numpy==1.20.3 gensim==4.1.2 ``` 这将为当前的 Python 版本下载并安装指定版本的软件包[^1]。 #### NumPy 基础操作实例 NumPy 是一个强大的数值计算扩展库，提供了多维数组对象以及各种派生对象（如掩码数组、矩阵）。以下是创建一维和二维数组的例子： ```python import numpy as np # 创建一维数组 arr_1d = np.array([1, 2, 3]) print(f"One-dimensional array:\n{arr_1d}") # 创建二维数组 arr_2d = np.array([[1, 2], [3, 4]]) print(f"Two-dimensional array:\n{arr_2d}") ``` 此外，还可以利用 `arange` 函数生成连续整数序列，并将其转换成特定形状的数组[^2]。 #### Gensim 文档相似度分析案例 Gensim 主要用于自然语言处理领域中的主题建模和其他语义结构挖掘任务。这里展示如何加载预训练模型并对两个句子之间的相似程度进行评估： ```python from gensim.models import KeyedVectors model_path = 'path_to_pretrained_model' word_vectors = KeyedVectors.load_word2vec_format(model_path, binary=True) def compute_similarity(sentence1, sentence2): words1 = sentence1.split() words2 = sentence2.split() vector1 = sum((word_vectors[word] for word in words1 if word in word_vectors), start=np.zeros(word_vectors.vector_size)) vector2 = sum((word_vectors[word] for word in words2 if word in word_vectors), start=np.zeros(word_vectors.vector_size)) norm_vector1 = vector1 / np.linalg.norm(vector1) norm_vector2 = vector2 / np.linalg.norm(vector2) cosine_sim = np.dot(norm_vector1, norm_vector2.T).item() return round(cosine_sim * 100, 2) sentence_a = "The cat sits on the mat" sentence_b = "A dog runs across the floor" similarity_score = compute_similarity(sentence_a, sentence_b) print(f"The similarity score between two sentences is {similarity_score}%.") ``` 这段代码首先定义了一个函数用来计算两句话之间基于词向量表示方法得到余弦相似性的分数；接着给出了具体的测试样例[^3]。