【原】Py之distance：distance的简介、安装、使用方法之详细攻略

Py之distance：distance的简介、安装、使用方法之详细攻略

---

distance的简介

        这个包为计算任意序列之间的相似性提供了帮助。包括Levenshtein、Hamming、Jaccard和Sorensen distance，以及一些bonuses。所有的距离计算都是用纯Python实现的，而且大多数都是用C语言实现的。

distance的安装

pip install distance

distance的使用方法

1、编辑距离、汉明距离、sorensen相似系数、jaccard系数、ifast_comp

import distance


#T1、编辑距离
levenshtein_res01=distance.levenshtein("lenvestein", "levenshtein")

#如果您的语言中的声音和字形之间没有一对一的映射，或者如果您想比较的不是字形，而是音节或音素，则可以传入字符元组：
#比较字符串列表对于计算句子、段落等之间的相似性也很有用：
sent1 = ['the', 'quick', 'brown', 'fox', 'jumps', 'over', 'the', 'lazy', 'dog']
sent2 = ['the', 'lazy', 'fox', 'jumps', 'over', 'the', 'crazy', 'dog']
levenshtein_res02=distance.levenshtein(sent1, sent2)

levenshtein_res03=distance.nlevenshtein("abc", "acd", method=1)  # shortest alignment
levenshtein_res04=distance.nlevenshtein("abc", "acd", method=2)  # longest alignment

print(levenshtein_res01,levenshtein_res02,levenshtein_res03,levenshtein_res04)


#T2、汉明距离
'''
Hamming距离和Levenshtein距离可以被标准化，这样就可以有意义地比较几种距离测量的结果。
Levenshtein有两种策略：要么以序列间最短比对的长度作为因子，要么以较长比对的长度作为因子。
'''
hamming_res01=distance.hamming("hamming", "hamning")
hamming_res02=distance.hamming("fat", "cat", normalized=True)

print(hamming_res01,hamming_res02)


#T3、sorensen相似系数
sorensen_res=distance.sorensen("decide", "resize")
print(sorensen_res)

#T4、jaccard系数
jaccard_res=distance.jaccard("decide", "resize")
print(jaccard_res)

#T5、ifast_comp
'''
ifast_comp的效率特别高，可以处理100万个tokens而没有问题
两个方便的迭代器ilevenshtein和ifast_comp，用于从一长串序列中筛选接近参考序列的序列。它们都返回一系列元组（距离、序列）。
'''
tokens = ["fo", "bar", "foob", "foo", "fooba", "foobar"]
sorted(distance.ifast_comp("foo", tokens))