python - 将字符串列表转换为数值向量以计算汉明距离

Question

我有一个独特单词的列表。我必须计算两个字符串列表之间的汉明距离。假设字符串列表是:

a = ['a' , 'b', 'c' ]
b = ['b' , 'a', 'd' ]

让唯一单词列表为:

u = ['a', 'b', 'c', 'd', 'e']

我需要从 a 创建两个列表和b其长度与 u 相同。假设列表是 va和vb 。 va 的每个元素和vb将是 0或1 。它将是1 if u 的对应元素存在于 a或b和0否则。例如，

va = [1, 1, 1, 0, 0]
vb = [1, 1, 0, 1, 0]

然后我将计算 va 之间的汉明距离和vb使用 sklearn 的成对距离度量。最有效的计算方法是什么va和vb来自a , b和u ？

Answer 1

使用列表理解比使用 list(map(..)) 组合更快:

a = ['a' , 'b', 'c' ]
b = ['b' , 'a', 'd' ]

u = ['a', 'b', 'c', 'd', 'e']

sa=set(a)
sb=set(b)

va = [1 if x in sa else 0 for x in u]
vb = [1 if x in sb else 0 for x in u]

print(va)
print(vb)

输出:

[1, 1, 1, 0, 0]
[1, 1, 0, 1, 0]

让我们测量一下:

from timeit import timeit

print("map", timeit( lambda: list(map(lambda x: 1 if x in sa else 0, u)) )) 
print("list-comp", timeit( lambda: [1 if x in sa else 0 for x in u]))

看看

map 41.271170677
list-comp 17.18380836300000  ( about 42% of the time map uses)