scipy.spatial.distance.hamming¶
- scipy.spatial.distance.hamming(u, v, w=None)[源代码]¶
计算两个一维阵列之间的汉明距离。
一维阵列之间的汉明距离 u 和 v ，简单地说就是不一致的部分所占的比例 u 和 v 。如果 u 和 v 都是布尔向量，则汉明距离为
\[\frac{c_{01}+c_{10}}{n}\]哪里 \(c_{{ij}}\) 是出现的次数 \(\mathtt{{u[k]}} = i\) 和 \(\mathtt{{v[k]}} = j\) 为 \(k < n\) 。
- 参数
- u(n，)类似数组
输入数组。
- v(n，)类似数组
输入数组。
- w(n，)array_like，可选
中每个值的权重 u 和 v 。默认值为None，即为每个值赋予1.0的权重
- 退货
- hamming双倍
向量之间的汉明距离 u 和 v 。
示例
>>> 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