Letcode72.编辑距离（典型的动态规划问题，python实现）

执行结果

代码部分

class Solution(object):
    def minDistance(self, word1, word2):
        """
        :type word1: str
        :type word2: str
        :rtype: int
        """
        m = len(word1)
        n = len(word2)
        dp=[[0]*(n+1) for _ in range(m+1)] #m+1行 n+1列
        
        if m==0:
            return n
        if n==0:
            return m
        
        #初始化
        for i in range(m+1):
            dp[i][0]=i #第i行第一列
        for j in range(n+1):
            dp[0][j]=j #第一行第j列
        
        #状态转移
        #i，j代表word1,word2对应位置的index
        for i in range(1,m+1):
            for j in range(1,n+1):
                if word1[i-1]==word2[j-1]:
                    dp[i][j]=dp[i-1][j-1]
                else:
                    dp[i][j]=1+min(dp[i-1][j],dp[i-1][j-1],dp[i][j-1])
        return dp[m][n]

题解

题解如上：首先初始化一个dparray（m+1行，n+1列）
其中m = len(word1) n = len(word2) 创建dparray的过程就是dp=[[0]*(n+1) for _ in range(m+1)]

观察上图，从某一个值dp[i][j]的值是可以从三个状态进行变化过来的分别是：

dp[i-1][j]、dp[i-1][j-1]、dp[i][j-1]

举个例子：

还有一种特殊情况，就是当单词1和单词2的最后一位是相同的字母的时候，我们可以不用看这个最后一位了，这样，我们的动态规划规模缩减到了dp[i][j]=dp[i-1][j-1]
比如这种情况：

当word1为ho，word2为ro的时候我们可以将问题虽小规模为找寻"h"和"r"之间的最短距离。

具体详细视频可以在leetcode上看一下这位博主的讲解：https://leetcode-cn.com/problems/edit-distance/solution/xiong-mao-shua-ti-python3-dong-tai-gui-hua-yi-dong/