您的输入矩阵（具有3 行和多列）说有3 个样本，具有多个属性。所以你将得到的输出将是一个 3x3 矩阵，其中每个值都是与另一个样本的相似度（有3 x 3 = 9这样的组合）

如果您要以稀疏格式打印成对的相似性，那么它可能看起来更接近您所追求的。

我创建了两个符合您描述的随机数示例矩阵：

from sklearn.metrics.pairwise import cosine_similarity
from scipy import sparse

a = np.random.random((3, 10))
b = np.random.random((3, 10))

# Create sparse matrices, which compute faster and give more understandable output
a_sparse, b_sparse = sparse.csr_matrix(a), sparse.csr_matrix(b)

sim_sparse = cosine_similarity(a_sparse, b_sparse, dense_output=False)
print(sim_sparse)

输出：

  (0, 2)    0.7938732813430508
  (0, 1)    0.7575978172453429
  (0, 0)    0.7897664361147338
  (1, 2)    0.740418315571796
  (1, 1)    0.833981672896221
  (1, 0)    0.7184526671218405
  (2, 2)    0.8746293481677073
  (2, 1)    0.6456666045233884
  (2, 0)    0.7925289217609924

希望这个输出能让你更清楚地了解你实际得到的输出。

在此处查看有关性能方面的更多详细信息，有关稀疏矩阵的文档在此处。