Python 将字符串列表转换为数字向量以计算汉明距离

我有一个独特的单词列表。我必须计算两列字符串之间的汉明距离。假设字符串列表为：

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

让独特的单词列表为：

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

的相应元素存在于

a

或

b

中，则为

1

，否则为

0

。比如说,

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

然后，我将使用sklearn的成对距离度量计算

va

和

vb

之间的汉明距离。从

a

、

b

和

u

计算

va

和

vb

最有效的方法是什么？

尝试以下方法：

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]

---

使用列表理解比使用

列表（映射（..）

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]

[1, 1, 1, 0, 0]

让我们衡量一下：

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]))

看到这一点

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

---

您可以使用以下列表组件：

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]
[1, 1, 0, 1, 0]

[1, 1, 1, 0, 0]

---

如果x在另一个0中，是否为

1

的

O（len（a））

？您能告诉我这种方法的时间复杂度吗？我认为是O（len（u）），因为所有u元素都必须检查更改为set，因为检查项是否在set中比检查列表快得多