将字符串列表转换为数值向量以计算汉明距离答案

【问题标题】：Convert a list of strings to numeric vector to calculate hamming distance将字符串列表转换为数值向量以计算汉明距离
【发布时间】：2020-10-10 16:42:34
【问题描述】：

我有一个独特词的列表。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' ]

让唯一词列表为：

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

我需要从a 和b 创建两个与u 长度相同的列表。假设列表是va 和vb。 va 和 vb 的每个元素将是 0 或 1。如果u 的对应元素存在于a 或b 中，则为1，否则为0。例如，

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

然后，我将使用 sklearn 的成对距离度量来计算 va 和 vb 之间的汉明距离。从a、b 和u 计算va 和vb 的最有效方法是什么？

【问题讨论】：

标签： python

【解决方案1】：

使用列表推导比使用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]))

去看看

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

【讨论】：

【解决方案2】：

试试这个：

sa=set(a)
sb=set(b)    
va=list(map(lambda x: 1 if x in sa else 0, u))
vb=list(map(lambda x: 1 if x in sb else 0, u))

>>> print(va)
[1, 1, 1, 0, 0]
>>> print(vb)
[1, 1, 0, 1, 0]

【讨论】：

是1 if x in a else 0 还是O(len(a)) ？
你能告诉我这种方法的时间复杂度吗？
我认为它是 O(len(u)) 因为必须检查所有 u 元素
更改为设置，因为检查项目是否在设置中比检查列表更快

【解决方案3】：

你可以使用下面的listcomp：

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

a = set(a)
[int(i in a) for i in u]

输出：

[1, 1, 1, 0, 0]

【讨论】：