皮尔森相似度：
皮尔森（person）相似度的作用是检验两组数据之间的相似度，也叫作相关系数（correlation coefficent），计算之后的结果，如果皮尔森相似度越高，说明两组数据相关性越大。
例：
比如考察一些用户给餐厅进行评分，有的分数很高有的是0分，想求出用户评分的相似度，这种就正好可以使用皮尔森相似度。
该公式如下：
1、首先把用户所作出的评分，描述为一个多维的向量User1的评分和User2的评分；
2、求出两个向量的点积，也就是让这两个向量相乘，然后求和。
3、求出两个向量的长度并相乘。
4、最后通过公式来计算出相关系式：相似系数 = （1+两个变量的点积）/两个向量长度相乘；
import numpy as np
from numpy import linalg as la
u = np.array(num1) #导入数组1 num1中导入你的向量
v = np.array(num2) #导入数组2 num2中导入第二个向量
dot_product = np.dot(u,v) #求u与v的点积，也就是两个向量的乘法
denom = la.norm(u)*la.norm(v) #la.norm函数是求向量的长度，然后相乘
print(0.5+0.5*(dot_product/denom)) #打印结果最终得出结果，相似度越大，也就是相关系数越高，说明两者之间关联性越高。