汉明距离与编辑距离的Latex表示与Python实现

1. 汉明距离 Hamming Distance

汉明距离表示两个等长的字符串X,Y，将X的对应位置变成Y的最小替换次数

Python实现：

import numpy as np
import pandas as pd


def hamming_distance(x, y):
    return np.mean(x != y)


def hamming_distance_2(x, y):
    from scipy.spatial.distance import pdist
    return pdist(np.vstack([x, y]), 'hamming')[0]


if __name__ == '__main__':
    df = pd.DataFrame(np.random.randint(0, 50, size=(100, 2)), columns=['x', 'y'])
    print(hamming_distance(df.x, df.y))
    print(hamming_distance_2(df.x, df.y))

2. 编辑距离 Edit Distance

又称Levenshtein距离，编辑距离表示只使用插入、删除、替换三个操作，将一个字符串转变为另一个字符串的最少修改次数，使用方法如下：

首先安装依赖：pip install python-Levenshtein

import Levenshtein

if __name__ == '__main__':
    print(Levenshtein.distance(  # 编辑距离
        "hello world",
        "HELLO world",
    ))
    print(Levenshtein.hamming(  # 汉明距离
        "hello world",
        "HELLO world",
    ))