我有一個列表，我想將其轉換為距離矩陣from pylev3 import Levenshteinfrom itertools import combinationsmylist = ['foo', 'bar', 'baz', 'foo', 'foo']以下從列表中生成計算矩陣所需的所有可能的對list(combinations(mylist,2))[('foo', 'bar'), ('foo', 'baz'), ('foo', 'foo'), ('foo', 'foo'), ('bar', 'baz'), ('bar', 'foo'), ('bar', 'foo'), ('baz', 'foo'), ('baz', 'foo'), ('foo', 'foo')]然后可以通過以下方式計算每對的距離：def ld(a): return [Levenshtein.classic(*b) for b in combinations(a, 2)]ld(mylist)[3, 3, 0, 0, 1, 3, 3, 3, 3, 0]然而，我堅持在 pandas 中創建一個類似矩陣的數據框 - pandas 中有一個雄辯的解決方案嗎？ foo bar baz foo foo1 foo 0 3 3 0 02 bar 3 0 1 3 33 baz 3 1 0 3 34 foo 0 3 3 0 05 foo 0 3 3 0 0
2 回答
溫溫醬
TA貢獻1752條經驗 獲得超4個贊
讓我們嘗試稍微修改一下函數，以便消除重復條目的計算：
from itertools import combinations, product
def ld(a):
u = set(a)
return {b:Levenshtein.classic(*b) for b in product(u,u)}
dist = ld(mylist)
(pd.Series(list(dist.values()), pd.MultiIndex.from_tuples(dist.keys()))
.unstack()
.reindex(mylist)
.reindex(mylist,axis=1)
)
輸出：
foo bar baz foo foo
foo 0 3 3 0 0
bar 3 0 1 3 3
baz 3 1 0 3 3
foo 0 3 3 0 0
foo 0 3 3 0 0
慕碼人8056858
TA貢獻1803條經驗 獲得超6個贊
為了計算 Levenshtein 距離，我使用了Levenshtein模塊（需要pip install python-Levenshtein ），與fuzzywuzzy配對使用 。
import Levenshtein as lv
然后，當我們使用Numpy函數時，mylist必須轉換為Numpy數組：
lst = np.array(mylist)
要計算整個結果，請運行：
result = pd.DataFrame(np.vectorize(lv.distance)(lst[:, np.newaxis], lst[np.newaxis, :]), index=lst, columns=lst)
細節：
np.vectorize(lv.distance)是lv.distance函數的矢量化版本 。(lst[:, np.newaxis], lst[np.newaxis, :])是一個numpythonic習慣用法 - 來自lst數組的“each with every”參數列表，用于連續調用上述函數。由于Numpy向量化，整個計算運行得很快，尤其是在大數組上。
pd.DataFrame(...)將上述結果（Numpy數組）轉換為具有正確索引和列名稱的 DataFrame。如果需要，請使用原始函數而不是lv.distance。
結果是：
foo bar baz foo foo
foo 0 3 3 0 0
bar 3 0 1 3 3
baz 3 1 0 3 3
foo 0 3 3 0 0
foo 0 3 3 0 0
添加回答
舉報
0/150
提交
取消