Python学习笔记7-计算编辑距离

编辑距离（Edit Distance），也称为Levenshtein距离，是衡量两个字符串之间相似度的一个指标。它表示将一个字符串转换为另一个字符串所需的最小操作次数，操作包括插入、删除和替换字符。

动态规划实现

编辑距离的经典解决方案是使用动态规划。这个方法通过构建一个二维表格来存储中间结果，从而避免重复计算。

算法步骤

1. 初始化表格：

   • 创建一个二维表格dp，其中dp[i][j]表示将字符串s1[0:i]转换为s2[0:j]所需的最小编辑距离。
   • 表格的大小是(m+1) x (n+1)，其中m和n分别是s1和s2的长度。

2. 填充表格：

   • 通过比较每个字符并使用递推关系来填充表格。

3. 返回结果：

   • dp[m][n]将包含将s1转换为s2的最小编辑距离。

示例代码

def compute_edit_distance(s1, s2):
    m, n = len(s1), len(s2)
    dp = [[0] * (n + 1) for _ in range(m + 1)]
    
    # 初始化边界条件
    for i in range(m + 1):
        dp[i][0] = i
    for j in range(n + 1):
        dp[0][j] = j
    
    # 填充表格
    for i in range(1, m + 1):
        for j in range(1, n + 1):
            if s1[i - 1] == s2[j - 1]:
                cost = 0
            else:
                cost = 1
            
            dp[i][j] = min(dp[i - 1][j] + 1,  # 删除
                           dp[i][j - 1] + 1,  # 插入
                           dp[i - 1][j - 1] + cost)  # 替换
    
    return dp[m][n]

# 使用示例
s1 = "kitten"
s2 = "sitting"
print(compute_edit_distance(s1, s2))  # 输出: 3

解释

• dp[i][j]表示将s1[0:i]转换为s2[0:j]的最小编辑距离。
• 边界条件dp[i][0]和dp[0][j]分别表示将一个字符串转换为空字符串的距离，即i或j。
• 对于每个字符对比，dp[i][j]的值取决于三种操作：删除、插入和替换，选择其中最小的一个。

复杂度

• 时间复杂度：O(m * n)，其中m和n分别是s1和s2的长度。
• 空间复杂度：O(m * n)，需要一个(m+1) x (n+1)的表格来存储中间结果。

优化

• 空间优化：可以使用两个一维数组来代替二维表格，将空间复杂度从O(m * n)减少到O(n)。

def compute_edit_distance_optimized(s1, s2):
    m, n = len(s1), len(s2)
    prev = list(range(n + 1))
    curr = [0] * (n + 1)
    
    for i in range(1, m + 1):
        curr[0] = i
        for j in range(1, n + 1):
            if s1[i - 1] == s2[j - 1]:
                cost = 0
            else:
                cost = 1
            curr[j] = min(prev[j] + 1,    # 删除
                          curr[j - 1] + 1,  # 插入
                          prev[j - 1] + cost)  # 替换
        prev, curr = curr, prev
    
    return prev[n]

# 使用示例
s1 = "kitten"
s2 = "sitting"
print(compute_edit_distance_optimized(s1, s2))  # 输出: 3

这种优化通过减少不必要的空间开销，使得算法在空间方面更加高效。