python - 确定两个列表的元素分组的程度

Question

我想做的是确定两个字符串的公共(public)元素分组的程度。可能已经有一个数学函数，或者 scipy/numpy/etc 函数可以做到这一点。我只是不知道它叫什么。我用谷歌搜索了它。例如:

这个集合会有一个完美的分数(所有相似的元素都被分组):

['a','a','a','b','b','b']

也会:

['b','b','b','a','a','a']

这个系列会有一个 lesser 分数:

['a','a','b','b','b','a']

这个系列的分数会很低:

['a','b','a','b','a','b']

我可以想出几种方法来实现它，我只是想知道是否已经有针对此类定义的函数/算法。

我想也许生成一个完美分组的字符串，基于字符串中离散值的计数并计算实际字符串和完美字符串之间的 Levenshtein 距离。例如，比较:

['a','a','a','b','b','b']

到:

['b','b','b','a','a','a']

但是，我还是想看看这个算法是否已经有了名称和实现。

Answer 1

我想不出任何现有的指标，但似乎很容易构成一个指标。您要问的是计算数组中的组数。

我的指标:数组长度除以组数

定义:

def metric(lst):
    L = len(lst)
    n = len(list(itertools.groupby(lst, lambda x: x)))
    return L/float(n)   # you can omit float if python 3

groupby 将计算数组 lst 中相同元素的 block 数。您不想像通常使用 groupby 那样对其进行排序，因为您正在计算 lst 元素中的更改。然后我们用 lst 的长度除以 block 数来找到“平均 block 长度”。这应该符合您的要求。

您可能需要衡量指标。在上面的例子中，它将有利于更长的数组和更少的 block 。例如，您可以考虑 L 的平方根，以使指标遵循 yield 递减规律。