5

因此，我有一个 numpy 字符串数组，我想使用此函数计算每对元素之间的成对编辑距离：来自http://docs.scipy.org/doc/scipy的 scipy.spatial.distance.pdist -0.13.0/reference/generated/scipy.spatial.distance.pdist.html

我的数组示例如下：

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

但是，由于它没有“editdistance”选项，因此，我想提供一个自定义的距离函数。我试过这个，我遇到了以下错误：

 >>> 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
4

2 回答 2

4

如果你真的必须使用pdist，你首先需要将你的字符串转换为数字格式。如果您知道所有字符串的长度相同，则可以很容易地做到这一点：

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

这只是将您的字符串数组视为一个长uint8字节数组，然后对其进行整形，以使每个原始字符串都单独位于一行上。在您的示例中，这看起来像：

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)

然后，您可以pdist照常使用。只需确保您的editdist函数需要整数数组，而不是字符串。您可以通过调用快速转换您的新输入.tostring()：

def editdist(x, y):
  s1 = x.tostring()
  s2 = y.tostring()
  ... rest of function as before ...
于 2014-06-07T06:50:47.230 回答
-4 

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

于 2016-10-07T19:26:05.003 回答