Python NumPy 成对编辑距离

5 投票

2 回答

6255 浏览

提问于 2025-04-18 08:55

我有一个包含字符串的numpy数组，我想用这个函数来计算数组中每一对元素之间的编辑距离，函数是：scipy.spatial.distance.pdist，具体可以参考这个链接：http://docs.scipy.org/doc/scipy-0.13.0/reference/generated/scipy.spatial.distance.pdist.html

我的数组示例是这样的：

 >>> d[0:10]
 array(['TTTTT', 'ATTTT', 'CTTTT', 'GTTTT', 'TATTT', 'AATTT', 'CATTT',
   'GATTT', 'TCTTT', 'ACTTT'], 
  dtype='|S5')

不过，由于这个函数没有提供'editdistance'这个选项，所以我想自己定义一个距离函数。我尝试了这样做，但遇到了以下错误：

 >>> import editdist
 >>> import scipy
 >>> import scipy.spatial
 >>> scipy.spatial.distance.pdist(d[0:10], lambda u,v: editdist.distance(u,v))

Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
  File "/usr/local/epd-7.3.2/lib/python2.7/site-packages/scipy/spatial/distance.py", line 1150, in pdist
    [X] = _copy_arrays_if_base_present([_convert_to_double(X)])
  File "/usr/local/epd-7.3.2/lib/python2.7/site-packages/scipy/spatial/distance.py", line 153, in _convert_to_double
    X = np.double(X)
ValueError: could not convert string to float: TTTTT

2 个回答

-4

这段内容是一个代码片段，使用的是JavaScript语言。代码块被标记为

def my_pdist(data,f):
    N=len(data)
    matrix=np.empty([N*(N-1)/2])
    ind=0
    for i in range(N):
        for j in range(i+1,N):
            matrix[ind]=f(data[i],data[j])
            ind+=1
    return matrix

，里面应该包含一些具体的代码内容。不过在这里，我们并没有看到具体的代码，只是一个占位符。简单来说，这个地方是用来放代码的，但现在还没有具体的代码展示出来。

回答于 2025-04-18 由 Python大师

分享举报

如果你真的需要使用 pdist，首先你得把你的字符串转换成数字格式。如果你知道所有的字符串长度都是一样的，这个转换其实挺简单的：

numeric_d = d.view(np.uint8).reshape((len(d),-1))

这个方法是把你的字符串数组看作一长串的 uint8 字节，然后重新排列，让每个原来的字符串单独占一行。在你的例子中，结果会是这样的：

In [18]: d.view(np.uint8).reshape((len(d),-1))
Out[18]:
array([[84, 84, 84, 84, 84],
       [65, 84, 84, 84, 84],
       [67, 84, 84, 84, 84],
       [71, 84, 84, 84, 84],
       [84, 65, 84, 84, 84],
       [65, 65, 84, 84, 84],
       [67, 65, 84, 84, 84],
       [71, 65, 84, 84, 84],
       [84, 67, 84, 84, 84],
       [65, 67, 84, 84, 84]], dtype=uint8)

接下来，你就可以像平常一样使用 pdist 了。只要确保你的 editdist 函数是期待接收整数数组，而不是字符串。你可以通过调用 .tostring() 快速转换你的新输入：

def editdist(x, y):
  s1 = x.tostring()
  s2 = y.tostring()
  ... rest of function as before ...

回答于 2025-04-18 由 Python大师

分享举报

Python NumPy 成对编辑距离

2 个回答

撰写回答