python计算字符串的贴近度

我想比较3位或4位整数的字符串表示形式。我想把他们分成几对“亲密”。也就是说，

pc\u dud[3]

应该与

dud[0]

配对

dud = ['3433', '3467', '3551', '345', '345', '3613'] 
pc_dud = ['3401', '3402', '3430', '0342', '3584']

有人知道有什么好工具可以做这件事吗（我想我自己可能有点像水母）？当然，另一个解决方案是使用算术差异作为“接近度”的指标。有什么想法吗

您可以使用该模块：

例如：

>>> import difflib
>>> dud = ['3433', '3467', '3551', '345', '345', '3613'] 
>>> pc_dud = ['3401', '3402', '3430', '0342', '3584']
>>> difflib.get_close_matches(dud[0], pc_dud)
['3430']

---

您可以采用的一种方法是计算dud中每个整数字符串与pc_dud中每个整数字符串之间的距离。此算法将生成每个数字序列之间的编辑距离。编辑距离数表示将给定序列转换为另一序列所需的最小步骤数。它考虑插入、删除和替换

您将需要一个数据结构来存储编辑距离结果，该结果与它所比较的序列相关。然后可以调查哪个编辑距离最小，然后将它们成对分组

下面是一个直观的示例，说明了与levenshtein相比，数组中的两个数字序列会是什么样子。我用这个工具来制作截图

---

右下角的数字是最小编辑距离。

如果按照Paul的建议选择Levenshtein距离路线，请查看Apache的

---

-我相信lucene的模糊查询就是基于此。

如果你在寻找算术上的接近度，那么pc_dud[3]将不会与dud[0]匹配

如果只想保留唯一对，请使用以下选项：

dud_ = dud[:]
pc_dud_ = pc_dud[:]

while dud_:
    d1, d2 = min(itertools.product(dud, pc_dud), key=lambda d1,d2: abs(int(d1) - int(d2)))
    dud_.remove(d1)
    pc_dud_.remove(d2)
    print d1, d2

---

区别会更容易，因为它们只是数字。如果它们是字母数字字符串，那么你就要做等效的levenshtein距离。这取决于你到底想如何将差异最小化，比如牺牲一对让所有其他的距离都更近是可以的。。。如果不是的话，我会对列表进行排序，并将两者压缩。但是列表的长度并不相等。或者，您可能希望最小化平均差异，最大差异。。。有很多方法，取决于你想用它做什么。事实上，我最初并没有抓住算术差的重点。这可能不是最好的解决方案，但可能是一个很好的替代方案。