Python SciPy distance.hamming用法及代碼示例

本文簡要介紹 python 語言中 scipy.spatial.distance.hamming 的用法。

用法:

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

計算兩個一維數組之間的漢明距離。

一維數組 u 和 v 之間的漢明距離就是 u 和 v 中不同分量的比例。如果 u 和 v 是布爾向量，則漢明距離為

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

其中 \(c_{ij}\) 是 \(\mathtt{u[k]} = i\) 和 \(\mathtt{v[k]} = j\) 對於 \(k < n\) 的出現次數。

參數 ：：

u： (N,) 數組

輸入數組。

v： (N,) 數組

輸入數組。

w： (N,) 數組, 可選

u 和 v 中每個值的權重。默認為 None，這使每個值的權重為 1.0

返回 ：：

hamming： 雙倍的

向量 u 和 v 之間的漢明距離。

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