Edit Distance Python源碼及支援包的實作

• • 編輯距離

編輯距離

又稱Levenshtein距離（萊文斯坦距離也叫做Edit Distance）指兩個字串之間，由一個轉成另一個所需的最少編輯操作次數，如果它們的距離越大，說明它們越是不同。許可的編輯操作包括将一個字元替換成另一個字元，插入一個字元，删除一個字元。它可以用來做DNA分析，拼寫檢查，抄襲識别等。編輯操作隻有三種插入、删除、替換三種操作。

python

代碼片段如下：

import numpy as np
import editdistance
import math


"""
author: zhenyu wu
time: 2019/12/03 15:41
function: 編輯距離計算函數
params: 
    str1: 字元串1
    str2：字元串2
return:
    兩個字元串的相似度計算結果
"""
def edit_distance(str1, str2):
    m, n = len(str1), len(str2)
    if m==0 and n!=0:
        return n, 1-n/max(m, n)
    elif m!=0 and n==0:
        return m, 1-m/max(m, n)
    elif m==0 and n==0:
        try:
            1-0/0
        except ZeroDivisionError as z:
            print("兩個字元串不能同時為空")
        return math.nan, math.nan
    else:
        d = np.zeros((n+1, m+1))
        d[0] = np.arange(m+1)
        d[:, 0] = np.arange(n+1)
        for i in range(1, n+1):
            for j in range(1, m+1):
                if str1[j-1]==str2[i-1]:
                    temp = 0
                else:
                    temp = 1
                d[i, j] = min(d[i-1, j]+1, d[i, j-1]+1, d[i-1, j-1]+temp)
        return d[n, m], 1-d[n, m]/max(m, n)
 
 if __name__ == '__main__':
    str1 = '1010101010000101000010011001010101101'
    str2 = '101010111010101010111101010'
    dist, result = edit_distance(str1, str2)
    print('My Algorithm - Edit Distance: %.0f, Similarity: %f' % (dist, result))
    dist = editdistance.distance(str1, str2)
    print('Python Package - Edit Distance: %.0f, Similarity: %f' % (dist, 1-dist/max(len(str1), len(str2))))
           

運作結果

如下：

My Algorithm - Edit Distance: 12, Similarity: 0.675676
Python Package - Edit Distance: 12, Similarity: 0.675676
           

https://github.com/wzy6642/EditDistance.