import numpy as np
def PPMCC(y1,y2):
    '''
    函数名称：皮尔逊相关系数计算
    :param y1: 比较相似度的第一个向量
    :param y2: 比较相似度的第二个向量
    :return: 相似度值
    '''
    # 由于y1和y2不一定为同一维度，所以首先需要做填补
    # 此外，还需要0-1化y1和y2，避开原取值
    # 所以，最好的思路是进行一次one-hot编码，这样也可以保证avg的公平
    max_order=np.max(np.max(y1),np.max(y2))
    min_order=np.min(np.min(y1),np.min(y2))
    one_hot_y1=np.zeros([max_order-min_order])
    one_hot_y2 = np.zeros([max_order - min_order])
    for i in range(y1.shape[0]):
        one_hot_y1[y1[i]]=1
    for i in range(y2.shape[0]):
        one_hot_y2[y2[i]]=1
    nij=np.sum(one_hot_y1==one_hot_y2==1)

    avg_y1=np.average(y1)
    avg_y2=np.average(y2)
    sim=(np.sum(np.abs((y1-avg_y1)*(y2-avg_y2))))/(np.power(np.sum(np.power(y1-avg_y1,2)),0.5)*np.power(np.sum(np.power(y2-avg_y2,2)),0.5))
    return sim,nij