FuzzyWuzzy and Levenshtein

FuzzyWuzzy

  • 簡單比較
>>> from fuzzywuzzy import fuzz
>>> fuzz.ratio("this is pass","this is a poce!")
67
  • 部分比
>>> fuzz.partial_ratio("this is a text", "this is a test!")
    93
  • 單詞排序比
>>> fuzz.ratio("fuzzy wuzzy was ","wuzzy,fuzzy as dfd")
53
>>> fuzz.token_sort_ratio("fuzzy wuzzy was ","wuzzy,fuzzy as dfd")
67
  • 單詞集合比
>>> fuzz.token_sort_ratio("fuzzy was a ced", "fuzzy fuzzy wer a bear")
    59
>>> fuzz.token_set_ratio("fuzzy was a ced", "fuzzy fuzzy wer a bear")
    71
  • Process
>>> from suzzywuzzy import process
>>> choices = ["Atlanta hello", "New York Jets", "New York Giants", "Dallas bob_dd"]
>>> process.extract("new york jets", choices, limit=2)
    [('New York Jets', 100), ('New York Giants', 79)]
>>> process.extractOne("cowboys", choices)
    ("Dallas Cowboys", 90)

Levenshtein

  • Levenshtein.hamming(str1,str2)

計算漢明距離,要求str1很str2的長度必須一致。是描述兩個等長字串之間對應位置上不同字符的個數

  • Levenshtein.distance(str1,str2)

計算編輯距離(也稱為Levenshtein距離)。是描述由一個字符轉化為另一個字符串最少的操作次數,在其中包括插入、刪除、替換

  def levenshtein(first,second):
      if len(first)>len(second):
          first,second = second,first
  
      if len(first) == 0:
          return len(second)
      if len(second) == 0:
          return len(first)
  
      first_length = len(first)+1
      second_length = len(second)+1
  
      distance_matrix = [range(second_length) for x in range(first_length)]
      print distance_matrix[1][1],distance_matrix[1][2],distance_matrix[1][3],distance_matrix[1][4]
  
      for i in range(1,first_length):
          for j in range(1,second_length):
              deletion = distance_matrix[i-1][j]+1
              insertion = distance_matrix[i][j-1]+1
              substitution = distance_matrix[i-1][j-1]
  
              if first[i-1] != second[j-1]:
                  substitution += 1
  
              distance_matrix[i][j] = min(insertion,deletion,substitution)
  
      print distan_matrix
      return distance_matrix[first_length-1][second_length-1]
  ```
- Levenshtein.ratio(str1,str2)
> 計算萊文斯坦比。計算公式
```math
(sum - idist)/sum

其中sum是指str1和str2的字符串長度總和。idist是類編輯距離
注:這里的類編輯距離不是2中所講的編輯距離,2中三種操作中的每個操作+1,而此處,刪除、插入依然加+1,但是替換加2
這樣做的目的是:ratio('a','c'),sum=2 按2中計算為(2-1)/2=0.5,'a'/'c'沒有重合,顯然不合算,但是替換操作+2,就會解決這個問題

  • Levenshtein.jaro(str1,str2)

計算jaro距離


其中m為s1,s2的匹配長度,當某位置的認為匹配當該位置字符相同,或者不超過



t是調換次數的一般

  • Levenshtein.jaro_winkler(str1,str2)

計算jaro_Winkler距離
最后編輯于
?著作權歸作者所有,轉載或內容合作請聯系作者
  • 序言:七十年代末,一起剝皮案震驚了整個濱河市,隨后出現的幾起案子,更是在濱河造成了極大的恐慌,老刑警劉巖,帶你破解...
    沈念sama閱讀 227,533評論 6 531
  • 序言:濱河連續發生了三起死亡事件,死亡現場離奇詭異,居然都是意外死亡,警方通過查閱死者的電腦和手機,發現死者居然都...
    沈念sama閱讀 98,055評論 3 414
  • 文/潘曉璐 我一進店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來,“玉大人,你說我怎么就攤上這事。” “怎么了?”我有些...
    開封第一講書人閱讀 175,365評論 0 373
  • 文/不壞的土叔 我叫張陵,是天一觀的道長。 經常有香客問我,道長,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 62,561評論 1 307
  • 正文 為了忘掉前任,我火速辦了婚禮,結果婚禮上,老公的妹妹穿的比我還像新娘。我一直安慰自己,他們只是感情好,可當我...
    茶點故事閱讀 71,346評論 6 404
  • 文/花漫 我一把揭開白布。 她就那樣靜靜地躺著,像睡著了一般。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發上,一...
    開封第一講書人閱讀 54,889評論 1 321
  • 那天,我揣著相機與錄音,去河邊找鬼。 笑死,一個胖子當著我的面吹牛,可吹牛的內容都是我干的。 我是一名探鬼主播,決...
    沈念sama閱讀 42,978評論 3 439
  • 文/蒼蘭香墨 我猛地睜開眼,長吁一口氣:“原來是場噩夢啊……” “哼!你這毒婦竟也來了?” 一聲冷哼從身側響起,我...
    開封第一講書人閱讀 42,118評論 0 286
  • 序言:老撾萬榮一對情侶失蹤,失蹤者是張志新(化名)和其女友劉穎,沒想到半個月后,有當地人在樹林里發現了一具尸體,經...
    沈念sama閱讀 48,637評論 1 333
  • 正文 獨居荒郊野嶺守林人離奇死亡,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內容為張勛視角 年9月15日...
    茶點故事閱讀 40,558評論 3 354
  • 正文 我和宋清朗相戀三年,在試婚紗的時候發現自己被綠了。 大學時的朋友給我發了我未婚夫和他白月光在一起吃飯的照片。...
    茶點故事閱讀 42,739評論 1 369
  • 序言:一個原本活蹦亂跳的男人離奇死亡,死狀恐怖,靈堂內的尸體忽然破棺而出,到底是詐尸還是另有隱情,我是刑警寧澤,帶...
    沈念sama閱讀 38,246評論 5 355
  • 正文 年R本政府宣布,位于F島的核電站,受9級特大地震影響,放射性物質發生泄漏。R本人自食惡果不足惜,卻給世界環境...
    茶點故事閱讀 43,980評論 3 346
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧,春花似錦、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 34,362評論 0 25
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至,卻和暖如春,著一層夾襖步出監牢的瞬間,已是汗流浹背。 一陣腳步聲響...
    開封第一講書人閱讀 35,619評論 1 280
  • 我被黑心中介騙來泰國打工, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留,地道東北人。 一個月前我還...
    沈念sama閱讀 51,347評論 3 390
  • 正文 我出身青樓,卻偏偏與公主長得像,于是被迫代替她去往敵國和親。 傳聞我的和親對象是個殘疾皇子,可洞房花燭夜當晚...
    茶點故事閱讀 47,702評論 2 370

推薦閱讀更多精彩內容