Python 汉明距离的改进

我正在尝试写汉明距离。
作为输入，我有两个矩阵M1和M2，一个是40x20，另一个是50x20；它们包含真/假。我需要计算每行之间的距离，所以M1[0]距离与M2[0]，M1[0]与M2[1]。。。M1[39]和M2[49]。产生40x50结果矩阵。我的第一次尝试当然是像这样循环：

for x_i in range(X.shape[0]):
        for x_train_j in range(X_train.shape[0]):
            distance_results[x_i, x_train_j] = sum(np.logical_xor(x_array[x_i, :], x_train_array[x_train_j, :]))

这是正确的，但是，它对于我的数据来说太慢了。我有一些关于相乘的想法，

M1.dot（M2.T）

，它给出了正确的矩阵形状并一步求和，但当需要相乘和求和xor时：

1*1=1

（需要0-坏）

1*0=0

（需要1-坏）

0*1=0

（需要1-坏）

0*0=0

（需要0-可以）
你知道我怎样才能得到想要的结果吗？我想我错过了一些做得又快又好的数学。 提前感谢。

M1.dot（M2.T）

可以在某种程度上被视为布尔逻辑的

和
。对于二进制逻辑
A异或B
相当于
（A而不是B）或（不是A和B）
，因此您可以做一件事--

要把它编码起来，你需要小心地在点之前去掉逻辑部分，以便计算出总和。如果你在两个逻辑阵列上点，你将无法得到你想要的结果。我只是使用-1作为not运算符
（True-1=0，False-1=-1）
。此外，这里的“或”实际上是一个总和，因为您正在考虑多个布尔值。最后，你的距离为负值，很容易用绝对值确定

_A = [[ True,  True,  False],
      [ True,  False, True]]

_B = [[ True,  False, False],
      [ False, False, False],
      [ True,  True,  True ]]

预期产出：
[[ 1, 2, 1],
[1,2,1]]

A = numpy( _A, dtype=bool)
B = numpy( _B, dtype=bool)

numpy.absolute(numpy.dot(A,B.T-1) + numpy.dot(A-1, B.T))

>>>array([[1, 2, 1],
          [1, 2, 1]])

你可以尝试使用numba来加快执行速度。Numba提供“即时”编译以加快执行。这里的更多信息：给定的示例（sum2d）可以很容易地根据您的需要进行调整。我的讲师给出了一些关于使用标量乘法的建议，但我仍然无法确定它是否计算了汉明距离。所以我不明白它丢失了什么，伙计，我要试试。看起来不错。我在想这个问题，但却错过了如何制作负片（-1个技巧）。欺骗我；；）
A = numpy( _A, dtype=bool)
B = numpy( _B, dtype=bool)

numpy.absolute(numpy.dot(A,B.T-1) + numpy.dot(A-1, B.T))

>>>array([[1, 2, 1],
          [1, 2, 1]])