Py之distance：distance的简介、安装、使用方法之详细攻略

pip install distance

1. 
2. import distance
3. 
4. 
5. #T1、编辑距离
6. levenshtein_res01=distance.levenshtein("lenvestein", "levenshtein")
7. 
8. #如果您的语言中的声音和字形之间没有一对一的映射，或者如果您想比较的不是字形，而是音节或音素，则可以传入字符元组：
9. #比较字符串列表对于计算句子、段落等之间的相似性也很有用：
10. sent1 = ['the', 'quick', 'brown', 'fox', 'jumps', 'over', 'the', 'lazy', 'dog']
11. sent2 = ['the', 'lazy', 'fox', 'jumps', 'over', 'the', 'crazy', 'dog']
12. levenshtein_res02=distance.levenshtein(sent1, sent2)
13. 
14. levenshtein_res03=distance.nlevenshtein("abc", "acd", method=1)  # shortest alignment
15. levenshtein_res04=distance.nlevenshtein("abc", "acd", method=2)  # longest alignment
16. 
17. print(levenshtein_res01,levenshtein_res02,levenshtein_res03,levenshtein_res04)
18. 
19. 
20. #T2、汉明距离
21. '''
22. Hamming距离和Levenshtein距离可以被标准化，这样就可以有意义地比较几种距离测量的结果。
23. Levenshtein有两种策略：要么以序列间最短比对的长度作为因子，要么以较长比对的长度作为因子。
24. '''
25. hamming_res01=distance.hamming("hamming", "hamning")
26. hamming_res02=distance.hamming("fat", "cat", normalized=True)
27. 
28. print(hamming_res01,hamming_res02)
29. 
30. 
31. #T3、sorensen相似系数
32. sorensen_res=distance.sorensen("decide", "resize")
33. print(sorensen_res)
34. 
35. #T4、jaccard系数
36. jaccard_res=distance.jaccard("decide", "resize")
37. print(jaccard_res)
38. 
39. #T5、ifast_comp
40. '''
41. ifast_comp的效率特别高，可以处理100万个tokens而没有问题
42. 两个方便的迭代器ilevenshtein和ifast_comp，用于从一长串序列中筛选接近参考序列的序列。它们都返回一系列元组（距离、序列）。
43. '''
44. tokens = ["fo", "bar", "foob", "foo", "fooba", "foobar"]
45. sorted(distance.ifast_comp("foo", tokens))
46.