用python解释汉明距离速度

我一直在努力使我的python更具python风格，并在运行时玩弄一些简短的代码片段。我的目标是提高可读性，但另外，加快执行速度

这个例子与我一直在阅读的最佳实践相冲突，我想找出我的思维过程中的缺陷所在

问题是计算两个等长字符串上的值。例如，字符串“aaab”和“aaaa”的汉明距离为1

我能想到的最直接的实现如下：

def hamming_distance_1(s_1, s_2):
    dist = 0
    for x in range(len(s_1)):
        if s_1[x] != s_2[x]:  dist += 1
    return dist

接下来，我编写了两个“pythonic”实现：

def hamming_distance_2(s_1, s_2): 
    return sum(i.imap(operator.countOf, s_1, s_2))

及

执行中：

s_1 = (''.join(random.choice('ABCDEFG') for i in range(10000)))
s_2 = (''.join(random.choice('ABCDEFG') for i in range(10000)))
print 'ham_1  ',  timeit.timeit('hamming_distance_1(s_1, s_2)',  "from __main__ import s_1,s_2, hamming_distance_1",number=1000)
print 'ham_2  ',  timeit.timeit('hamming_distance_2(s_1, s_2)',  "from __main__ import s_1,s_2, hamming_distance_2",number=1000)
print 'ham_3  ',  timeit.timeit('hamming_distance_3(s_1, s_2)',  "from __main__ import s_1,s_2, hamming_distance_3",number=1000)

返回：

ham_1   1.84980392456
ham_2   3.26420593262
ham_3   3.98718094826

我预计ham_3的运行速度会比ham_2慢，因为调用lambda被视为函数调用，这比调用内置操作符.countOf慢

我很惊讶，我没能找到一个比ham_1运行得更快的Python版本。我很难相信ham_1是纯python的下限

---

有人认为吗？

关键是减少方法查找和函数调用：

def hamming_distance_4(s_1, s_2):
    return sum(i != j for i, j in i.izip(s_1, s_2))

在我的系统中以

ham_4 1.10134792328运行

ham_2
和
ham_3
在循环内部进行查找，因此它们的速度较慢。
我想知道从更广泛的意义上讲，这是否更像python。如果你用。。。一个已经实现了您想要的功能的模块？
我想说，只有您的第一个实现是“Pythonic”的。最终，这是一个时间最快的解决方案，sum（I.imap（operator.ne，s_1，s_2））在1.03中运行。是的，就是这样。谢谢ham_4大约在1.67991399765中运行以进行比较。我被ham_2的缓慢程度弄糊涂了，在进一步挖掘之后，我意识到operator.countOf在字符串（每个长度为1）上运行一个for循环，编译器没有对此进行优化。Using operator.ne没有for循环，运行时间为上述示例的1/2。OP要求对字符串数组进行汉明距离计算，而不是int。Scipy空间距离计算仅适用于整数。
def hamming_distance_4(s_1, s_2):
    return sum(i != j for i, j in i.izip(s_1, s_2))