在 python 中解释汉明距离速度

Question

我一直在努力使我的 python 更 pythonic 并玩弄运行次短代码片段。我的目标是提高可读性，同时加快执行速度。

这个例子与我一直在阅读的最佳实践相冲突，我很想知道我的思维过程中的缺陷在哪里。

问题是计算两个等长字符串的 hamming distance。例如字符串 'aaab' 和 'aaaa' 的汉明距离是 1.

我能想到的最直接的实现如下：

def hamming_distance_1(s_1, s_2):
    dist = 0
    for x in range(len(s_1)):
        if s_1[x] != s_2[x]:  dist += 1
    return dist

接下来我写了两个"pythonic"实现：

def hamming_distance_2(s_1, s_2): 
    return sum(i.imap(operator.countOf, s_1, s_2))

和

def hamming_distance_3(s_1, s_2): 
    return sum(i.imap(lambda s: int(s[0]!=s[1]), i.izip(s_1, s_2)))

执行中：

s_1 = (''.join(random.choice('ABCDEFG') for i in range(10000)))
s_2 = (''.join(random.choice('ABCDEFG') for i in range(10000)))
print 'ham_1  ',  timeit.timeit('hamming_distance_1(s_1, s_2)',  "from __main__ import s_1,s_2, hamming_distance_1",number=1000)
print 'ham_2  ',  timeit.timeit('hamming_distance_2(s_1, s_2)',  "from __main__ import s_1,s_2, hamming_distance_2",number=1000)
print 'ham_3  ',  timeit.timeit('hamming_distance_3(s_1, s_2)',  "from __main__ import s_1,s_2, hamming_distance_3",number=1000)

返回：

ham_1   1.84980392456
ham_2   3.26420593262
ham_3   3.98718094826

我预计 ham_3 会运行比 ham_2 慢，因为调用 lambda 被视为函数调用，这比调用内置函数要慢operator.countOf。

令我惊讶的是，我无法找到比 ham_1 更快地获得更多 pythonic 版本到运行的方法。我很难相信 ham_1 是纯 python 的下限。

有人有想法吗？

Answer 1

关键是减少方法查找和函数调用：

def hamming_distance_4(s_1, s_2):
    return sum(i != j for i, j in i.izip(s_1, s_2))

在我的系统中 ham_4 1.10134792328 运行。

ham_2 和 ham_3 在内部循环中进行查找，因此它们较慢。

Answer 2

我想知道从更广泛的意义上说，这是否更像 Pythonic。如果您使用 http://docs.scipy.org/doc/scipy/reference/generated/scipy.spatial.distance.hamming.html ...一个已经实现了您正在寻找的模块怎么办？

在 python 中解释汉明距离速度

Interpreting Hamming Distance speed in python

python

runtime

timeit

hamming-distance