python预处理字符串_寻找一种预处理字符串特征的方法

编辑：也许简单的数字映射可以更快，而且没有冲突：import hashlib

from numpy import array

features = array(['oklahoma', 'florida', 'idaho', 'pennsylvania', 'alabama','washington'], dtype=object)

numbers = range(0, len(features))

num2string = dict(zip(numbers, features))

string2num = dict(zip(features, numbers))

# read the result

for i in num2string:

print "%i => '%s'" % (i, num2string[i])

print "usage test:"

print string2num['oklahoma']

print num2string[string2num['oklahoma']]

您将得到数组中每个项目的简单数字序列：

^{pr2}$

优点：简单快捷

缺点：如果改变同一字符串在数组中的位置，将得到不同的数字，这与散列字符串不同。在

哈希的使用

您可以使用一些精心选择的hask算法散列字符串。你必须小心哈希函数的碰撞次数。如果两个数据具有相同的哈希值，则在输入中需要一个重复的数字。在本例中，md5哈希函数用于：import hashlib

from numpy import array

def string_to_num(s):

return int(hashlib.md5(s).hexdigest(), 16)

features = array(['oklahoma', 'florida', 'idaho', 'pennsylvania', 'alabama','washington'], dtype=object)

# hash those strings

features_string_for_number = {}

for i in features:

hash_number = string_to_num(i)

features_string_for_number[hash_number]=i

# read the result

for i in features_string_for_number:

print "%i => '%s'" % (i, features_string_for_number[i])

print "usage test:"

print string_to_num('oklahoma')

print features_string_for_number[string_to_num('oklahoma')]

哈希部分取自here。在