我有 5400 行数据和 3211 列属性。

前 4 列是 ID/Name/ParentID/ObjectType - 其余 3207 列是用于相似性度量的属性。

巨大的维度，我知道，但我想（作为第一步）看看这些数据如何聚集并找到所有属性之间的相似性。

如果没有值，我将所有属性值转换为“0”，如果有值，则转换为“1”。我认为如果我将值转换为二进制，那么让我开始使用聚类视觉和相似性度量将是一个简单的第一步。

Jaccard 相似性似乎是二进制的一个很好的衡量标准，但是当我没有任何用于比较的列表时，我对如何实现这个（在 Python 中）感到困惑。我是否应该将每个变量硬编码到算法中（3207 个变量）？

我不知道从哪里开始。另外，如果有更好的方法可以做到这一点，我会全力以赴。我一直在研究如何最好地解决这个问题，并且可以使用很多相似性指标，但我一直坚持如何开始，因为需要使用的列太多。