Py之distance：distance的简介、安装、使用方法之详细攻略

Py之distance：distance的简介、安装、使用方法之详细攻略

目录

distance的简介

distance的安装

distance的使用方法

1、编辑距离、汉明距离、sorensen相似系数、jaccard系数、ifast_comp

distance的简介

        这个包为计算任意序列之间的相似性提供了帮助。包括Levenshtein、Hamming、Jaccard和Sorensen distance，以及一些bonuses。所有的距离计算都是用纯Python实现的，而且大多数都是用C语言实现的。

distance的安装

pip install distance

distance的使用方法

1、编辑距离、汉明距离、sorensen相似系数、jaccard系数、ifast_comp

  

   

    

     

    
    

     
 
     
    
   

    

     

    
    

     

      import distance
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     

      #T1、编辑距离
     
    
   

    

     

    
    

     

      levenshtein_res01=distance.levenshtein("lenvestein", "levenshtein")
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     

      #如果您的语言中的声音和字形之间没有一对一的映射，或者如果您想比较的不是字形，而是音节或音素，则可以传入字符元组：
     
    
   

    

     

    
    

     

      #比较字符串列表对于计算句子、段落等之间的相似性也很有用：
     
    
   

    

     

    
    

     

      sent1 = ['the', 'quick', 'brown', 'fox', 'jumps', 'over', 'the', 'lazy', 'dog']
     
    
   

    

     

    
    

     

      sent2 = ['the', 'lazy', 'fox', 'jumps', 'over', 'the', 'crazy', 'dog']
     
    
   

    

     

    
    

     

      levenshtein_res02=distance.levenshtein(sent1, sent2)
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     

      levenshtein_res03=distance.nlevenshtein("abc", "acd", method=1)  # shortest alignment
     
    
   

    

     

    
    

     

      levenshtein_res04=distance.nlevenshtein("abc", "acd", method=2)  # longest alignment
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     

      print(levenshtein_res01,levenshtein_res02,levenshtein_res03,levenshtein_res04)
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     

      #T2、汉明距离
     
    
   

    

     

    
    

     

      '''
     
    
   

    

     

    
    

     

      Hamming距离和Levenshtein距离可以被标准化，这样就可以有意义地比较几种距离测量的结果。
     
    
   

    

     

    
    

     

      Levenshtein有两种策略：要么以序列间最短比对的长度作为因子，要么以较长比对的长度作为因子。
     
    
   

    

     

    
    

     

      '''
     
    
   

    

     

    
    

     

      hamming_res01=distance.hamming("hamming", "hamning")
     
    
   

    

     

    
    

     

      hamming_res02=distance.hamming("fat", "cat", normalized=True)
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     

      print(hamming_res01,hamming_res02)
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     

      #T3、sorensen相似系数
     
    
   

    

     

    
    

     

      sorensen_res=distance.sorensen("decide", "resize")
     
    
   

    

     

    
    

     

      print(sorensen_res)
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     

      #T4、jaccard系数
     
    
   

    

     

    
    

     

      jaccard_res=distance.jaccard("decide", "resize")
     
    
   

    

     

    
    

     

      print(jaccard_res)
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     

      #T5、ifast_comp
     
    
   

    

     

    
    

     

      '''
     
    
   

    

     

    
    

     

      ifast_comp的效率特别高，可以处理100万个tokens而没有问题
     
    
   

    

     

    
    

     

      两个方便的迭代器ilevenshtein和ifast_comp，用于从一长串序列中筛选接近参考序列的序列。它们都返回一系列元组（距离、序列）。
     
    
   

    

     

    
    

     

      '''
     
    
   

    

     

    
    

     

      tokens = ["fo", "bar", "foob", "foo", "fooba", "foobar"]
     
    
   

    

     

    
    

     

      sorted(distance.ifast_comp("foo", tokens))
     
    
   

    

     

    
    

     
 
     
    
  
 

文章来源: yunyaniu.blog.csdn.net，作者：一个处女座的程序猿，版权归原作者所有，如需转载，请联系作者。

原文链接：yunyaniu.blog.csdn.net/article/details/103361986