Python SciPy distance.hamming用法及代码示例

本文简要介绍 python 语言中 scipy.spatial.distance.hamming 的用法。

用法:

scipy.spatial.distance.hamming(u, v, w=None)#

计算两个一维数组之间的汉明距离。

一维数组 u 和 v 之间的汉明距离就是 u 和 v 中不同分量的比例。如果 u 和 v 是布尔向量，则汉明距离为

\[\frac{c_{01} + c_{10}}{n}\]

其中 \(c_{ij}\) 是 \(\mathtt{u[k]} = i\) 和 \(\mathtt{v[k]} = j\) 对于 \(k < n\) 的出现次数。

参数 ：：

u： (N,) 数组

输入数组。

v： (N,) 数组

输入数组。

w： (N,) 数组, 可选

u 和 v 中每个值的权重。默认为 None，这使每个值的权重为 1.0

返回 ：：

hamming： 双倍的

向量 u 和 v 之间的汉明距离。

例子：

>>> from scipy.spatial import distance
>>> distance.hamming([1, 0, 0], [0, 1, 0])
0.66666666666666663
>>> distance.hamming([1, 0, 0], [1, 1, 0])
0.33333333333333331
>>> distance.hamming([1, 0, 0], [2, 0, 0])
0.33333333333333331
>>> distance.hamming([1, 0, 0], [3, 0, 0])
0.33333333333333331