python numpy成对编辑距离

因此，我有一个numpy字符串数组，我想使用以下函数计算每对元素之间的成对编辑距离：scipy.spatial.distance.pdist from

我的数组示例如下所示：

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

但是，由于它没有“editdistance”选项，因此，我想提供一个自定义的距离函数。我尝试了这一点，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

导入editdist >>>进口西皮 >>>导入scipy.spatial >>>空间距离pdist（d[0:10]，λu，v:editdist.distance（u，v）） 回溯（最近一次呼叫最后一次）： 文件“”，第1行，在 pdist中的文件“/usr/local/epd-7.3.2/lib/python2.7/site packages/scipy/spatial/distance.py”，第1150行 [十] =\u复制\u数组\u如果\u基本\u存在（[\u转换\u到\u双（X）]） 文件“/usr/local/epd-7.3.2/lib/python2.7/site packages/scipy/spatial/distance.py”，第153行，在转换为双精度 X=np.double（X） ValueError:无法将字符串转换为浮点：TTT

---

如果确实必须使用

pdist

，则首先需要将字符串转换为数字格式。如果您知道所有字符串的长度都相同，那么可以很容易地做到这一点：

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

这只是将字符串数组视为

uint8

字节的长数组，然后对其进行重塑，使每个原始字符串单独位于一行上。在您的示例中，这看起来像：

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)

然后，您可以像平常一样使用

pdist

。只需确保您的

editdist

函数需要整数数组，而不是字符串。通过调用

.tostring（）

，可以快速转换新输入：

def我的pdist（数据，f）：
N=len（数据）
矩阵=np.空（[N*（N-1）/2]）
ind=0
对于范围（N）中的i：
对于范围（i+1，N）内的j：
矩阵[ind]=f（数据[i]，数据[j]）
ind+=1
返回矩阵

看起来不是为字符串设计的。您可能需要查看错误行是

pdist

中的第二行。因此，在将字符串传递到

pdist

之前，必须将字符串转换为某种数字。另外，

pdist

需要一个2D数组。。。。或者直接在

uint8

s上编辑距离。提供一些上下文，关于这是如何回答问题的附加信息，不仅对问题的原始提问者，而且对该解决方案的未来访问者都有帮助和益处。一个原始的“仅代码”片段并不是最好的答案形式。

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