Question

我正在进行一些文本分析，作为其中的一部分，我需要在特定列表中的所有单词之间获得一个Jaro距离矩阵（所以成对距离矩阵），如下所示：

       │CHEESE CHORES GEESE  GLOVES
───────┼───────────────────────────
CHEESE │    0   0.222  0.177  0.444     
CHORES │0.222       0  0.422  0.333
GEESE  │0.177   0.422      0  0.300
GLOVES │0.444   0.333  0.300      0

所以，我尝试使用numpy.fromfunction构建它。根据文档和示例，它将坐标传递给函数，获取结果，构造结果矩阵。

我尝试了以下方法：

from jellyfish import jaro_distance

def distance(i, j):
    return 1 - jaro_distance(feature_dict[i], feature_dict[j])

feature_dict = 'CHEESE CHORES GEESE GLOVES'.split()
distance_matrix = np.fromfunction(distance, shape=(len(feature_dict),len(feature_dict)))

注意：jaro_distance只接受2个字符串并返回一个浮点数。

我收到了一个错误：

File "<pyshell#26>", line 4, in distance
    return 1 - jaro_distance(feature_dict[i], feature_dict[j])
TypeError: only integer arrays with one element can be converted to an index

我在函数的开头添加了print(i)，print(j)，我发现不是真正的坐标，而是传递了奇数：

[[ 0.  0.  0.  0.]
 [ 1.  1.  1.  1.]
 [ 2.  2.  2.  2.]
 [ 3.  3.  3.  3.]]
[[ 0.  1.  2.  3.]
 [ 0.  1.  2.  3.]
 [ 0.  1.  2.  3.]
 [ 0.  1.  2.  3.]]

为什么呢？ numpy网站上的examples清楚地表明只有两个整数通过，没有别的。

我尝试使用lambda函数完全重现他们的示例，但我得到完全相同的错误：

distance_matrix = np.fromfunction(lambda i, j: 1 - jaro_distance(feature_dict[i], feature_dict[j]), shape=(len(feature_dict),len(feature_dict)))

感谢任何帮助 - 我认为我以某种方式误解了它。

Answer 1

正如@xnx所建议的那样，我调查了question并发现fromfunc没有逐个传递坐标，但实际上同时传递了所有的索引。这意味着如果数组的形状为（2,2）numpy将不会执行f(0,0), f(0,1), f(1,0), f(1,1)，而是执行：

f([[0., 0.], [1., 1.]], [[0., 1.], [0., 1.]])

但看起来我的特定功能可以进行矢量化并产生所需的结果。所以实现所需的代码如下：

from jellyfish import jaro_distance
import numpy
def distance(i, j):
    return 1 - jaro_distance(feature_dict[i], feature_dict[j])

feature_dict = 'CHEESE CHORES GEESE GLOVES'.split()

funcProxy = np.vectorize(distance)

distance_matrix = np.fromfunction(funcProxy, shape=(len(feature_dict),len(feature_dict)))

它运作正常。

Numpy - 使用numpy.from函数构造Jaro（或Levenshtein）距离的矩阵

1 个答案: