Python NumPy попарно редактировать расстояние

Итак, у меня есть небольшой массив строк, и я хочу рассчитать попарно расстояние редактирования между каждой парой элементов, используя эту функцию: scipy.spatial.distance.pdist from http://docs.scipy.org/doc/scipy-0.13.0/reference/generated/scipy.spatial.distance.pdist.html

Пример моего массива выглядит следующим образом:

 >>> d[0:10]
 array(['TTTTT', 'ATTTT', 'CTTTT', 'GTTTT', 'TATTT', 'AATTT', 'CATTT',
   'GATTT', 'TCTTT', 'ACTTT'], 
  dtype='|S5')

Тем не менее, поскольку у него нет опции 'editdistance ', поэтому я хочу дать настраиваемую функцию расстояния. Я попробовал это, и я столкнулся со следующей ошибкой:

 >>> import editdist
 >>> import scipy
 >>> import scipy.spatial
 >>> scipy.spatial.distance.pdist(d[0:10], lambda u,v: editdist.distance(u,v))

Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
  File "/usr/local/epd-7.3.2/lib/python2.7/site-packages/scipy/spatial/distance.py", line 1150, in pdist
    [X] = _copy_arrays_if_base_present([_convert_to_double(X)])
  File "/usr/local/epd-7.3.2/lib/python2.7/site-packages/scipy/spatial/distance.py", line 153, in _convert_to_double
    X = np.double(X)
ValueError: could not convert string to float: TTTTT
Источник

2 ответа

Решение

Если вы действительно должны использовать pdistСначала вам нужно конвертировать ваши строки в числовой формат. Если вы знаете, что все строки будут одинаковой длины, вы можете сделать это довольно легко:

numeric_d = d.view(np.uint8).reshape((len(d),-1))

Это просто рассматривает ваш массив строк как длинный массив uint8 байты, затем изменяет его так, что каждая исходная строка находится в строке отдельно. В вашем примере это будет выглядеть так:

In [18]: d.view(np.uint8).reshape((len(d),-1))
Out[18]:
array([[84, 84, 84, 84, 84],
       [65, 84, 84, 84, 84],
       [67, 84, 84, 84, 84],
       [71, 84, 84, 84, 84],
       [84, 65, 84, 84, 84],
       [65, 65, 84, 84, 84],
       [67, 65, 84, 84, 84],
       [71, 65, 84, 84, 84],
       [84, 67, 84, 84, 84],
       [65, 67, 84, 84, 84]], dtype=uint8)

Затем вы можете использовать pdist как обычно. Просто убедитесь, что ваш editdist Функция ожидает массивы целых чисел, а не строк. Вы можете быстро конвертировать ваши новые входы, позвонив .tostring():

def editdist(x, y):
  s1 = x.tostring()
  s2 = y.tostring()
  ... rest of function as before ...
Источник 

def my_pdist(data,f):
    N=len(data)
    matrix=np.empty([N*(N-1)/2])
    ind=0
    for i in range(N):
        for j in range(i+1,N):
            matrix[ind]=f(data[i],data[j])
            ind+=1
    return matrix

Источник
Другие вопросы по тегам