scipy.spatial.distance.

汉明

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，简单来说就是 u 和 v 中不一致的元素的比例。如果 u 和 v 是布尔向量，汉明距离就是

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

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

参数:

u(N,) 数组类

输入数组。

v(N,) 数组类

输入数组。

w(N,) 数组类，可选

u 和 v 中每个值的权重。默认是 None，即每个值的权重为 1.0。

返回:

汉明双

向量 u 和 v 之间的汉明距离。

示例

Try it in your browser!

>>> 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

Go BackOpen In Tab