как я могу улучшить результат сходства jaccards в python

Question

У меня есть большой набор данных, в котором я должен вычислить сходство (элементов), то есть из двух данных, например, проданный элемент в одном кадре и непроданный элемент в другом кадре

 def jaccard_similarity(list1, list2):
            s1 =set(list1)
            s2 =set(list2)
            val = (len(s1.intersection(s2)) / len(s1.union(s2)))
            return (val)


pip2 = []
for i in range(0, new_properties.shape[0]):
    pip1 = []
    for j in range(0, unsold_property.shape[0]):
        list1.append(jaccard_similarity(new[i], unsold[j]))
    pip2.append(pip1)


jaccard_sim = pd.DataFrame(pip2)

кадр данных iЯ получаю, это не дает хорошие результаты, как ожидалось для моей системы рекомендаций. Я хочу добавить вес к переменной и вычислить «весовое сходство с jaccard». Кто-нибудь может подсказать мне, как я могу это сделать, и код для этого на python.

каждый кадр данных имеет 10 столбцов.

row 1 from sold dataframe 
[Office , Midwest , GT 10  ,11-to-29 , 2-to-5  ,More-than-25000 , Others,existing ,Other , Low]

row 1 from unsold dataframe Multi-Housing
[Multi-Housing ,Northeast,GT 100, Till-10,2-to-5  ,More-than-25000 ,Existing , Others , Other ,Very Low]