hexhamming 1.0

为什么还要建一个哈明距离图书馆？

有很多很棒的（python）库提供计算方法 各种编辑距离，包括汉明距离：距离，文本距离， 松鼠、水母等。

在这种情况下，我需要一个处理十六进制的hamming距离库 字符串（即pythonstr）并执行得非常快。 此外，我通常不关心大于256位的十六进制字符串。 长度约束与所有其他库不同，并使我 通过numba、numpy甚至 SSE/AVX。

最后，我想最小化依赖关系，这意味着您不需要安装 ^{TT3}$，^{TT6}$，^{TT7}$，^{TT8}$，^{TT9}$等。

最后，在玩了gmpy.popcount，numba.jit之后， pythran.run、numpy和AVX2，我决定写我想要的东西 在一个原始C++头中。注意：我开发的唯一C++特性是C++异常； 没有这个，这很容易成为c。 int*，因此探索用fortran重新编写它没有什么意义。矢量化 这些技术还增加了 向量寄存器和普通寄存器；同时，将十六进制字符串转换为 来自char*的向量寄存器可摄取浮点被证明具有非平凡的 头顶上。

安装

要安装，请确保您有python 2.7或3.4+。运行：

pip install hexhamming

或从源安装：

git clone https://github.com/mrecachinas/hexhamming
cd hexhamming
python setup.py install # or pip install .

如果你想为hexhamming做贡献，你应该安装dev 依赖关系：

pip install -r requirements-dev.txt

并确保测试通过：

pytest # or tox -e py27,...

示例

使用基础C++扩展，可以简单地运行：

>>> from hexhamming import hamming_distance
>>> hamming_distance('deadbeef', '00000000')
24

使用基于查找的C++扩展，替换上述 hamming_distance和hamming_distance_lookup。

如果您的机器支持Intel SSE4/AVX2指令集， 将上面的hamming_distance替换为fast_hamming_distance。 注意：要使用fast_hamming_distance，十六进制字符串必须是64 字符或更少（即256位或更少）。

基准

下面是在我2016年初的1.2 GHz英特尔上使用pytest-benchmark的基准测试 M5 8 GB 1867 MHz LPDDR3 MacOS Mojave（10.14.3），带Python 2.7.15和 叮当-1000.11.45.5。