1. (2023高二上·湖州期末) 某音乐平台可以为用户推荐歌曲， 推荐歌曲的算法如下：

第1步，系统根据用户的听歌行为，使用-2~5进行量化，单曲循环=5，分享=4，收藏=3，主动播放=2，听完=1，未听=0，跳过=-1，拉黑=-2，量化值大于0表示喜欢，建立如图a数据。

图 a

第2步，分别计算待推荐用户与其他每位用户的听歌相似度(相似度=两用户同时喜欢的歌曲数/两用户中至少有一人喜欢的歌曲数)。

第3步，分别计算其他用户对每一首歌曲的推荐度(推荐度=某用户该歌曲的量化值*两用户的相似度)。

第4步，在其他用户所有量化值大于0的歌曲中找到推荐度最高的，且待推荐用户没有听过的歌曲，推荐给该用户。

小明用Python程序模拟了此推荐算法，请回答下列问题。

1. （1） 在图a所示的10首歌曲中，“yigoo”与“lucky”两用户的相似度为。 (四舍五入保留两位小数)
3. （2） 实现上述功能的Python程序如下，运行结果如图b所示，请在划线处填上合适的代码。

   图b

   图 c

   def find(name,user):

   #代码略

   def simalar(music,data,k):     #计算相似度

       xsd=[0]*len(data)

       for i in range(len(data)):

           ms1=ms2=0

           for j in range(len(music)):

               if k!=i:

                   if data[k][j]>0 and data[i][j]>0:

                       ms1+=1

                   if  :

                       ms2+=1

           if ms2>0:

               xsd[i]= ms1/ms2

       return xsd

   music=["《孤勇者》 ","《Hug me》","《后会无期》 ","《NUNA》","《蜗牛》 "," 《心墙》 ","《对你说》 ","《与天齐》 ","《栀子花开》"," 《风吹半夏》"]

   user=["HelloK","sime32","yigoo","lucky", "halibo","baby","HaiT","bao_66"] #读取听歌行为的量化数据存入data列表，如图c所示

   name=input("请输入您的用户名：")

   k=find(name,user)           #调用 find 函数返回该用户在 data 列表中的索引号

   xsd=simalar(music,data,k)     #xsd[0]表示 0 号用户与 k 号待推荐用户的相似度

   maxm=0

   for i in range(len(data)):

       for j in range(len(music)):

           if data[k][j]==0 and data[i][j]>0:

               like=

               if like>maxm:

                   maxm=like

                   p=j

   print("为您推荐的歌曲是：",  )