如何在[0:1]中将字符串哈希到浮点数?

时间:2016-10-31 22:58:45

标签: python random hash

我有一个包含多个字符串的数据集。我想将这些字符串中的每一个与[0:1]范围内“随机”分布的浮点数相关联。例子:

>>> myfunction(string_1)
0.26756754
>>> myfunction(string_2)
0.86764534

random无法满足我的需要,因为它不会将任何字符串作为输入/确定性参数。我正在寻找更像哈希函数的东西。

2 个答案:

答案 0 :(得分:7)

快速便携的解决方案:

from zlib import crc32

def bytes_to_float(b):
    return float(crc32(b) & 0xffffffff) / 2**32

这会将字节字符串转换为介于0.0和1.0之间的浮点数。如果您使用的是unicode字符串(例如,在python 3中),那么您需要对其进行编码:

def str_to_float(s, encoding="utf-8"):
    return bytes_to_float(s.encode(encoding))

示例

>>> str_to_float(u"café")
0.5963937465567142

这应该在任何机器和任何版本的python上给出相同的结果(在python 2.7和3.5上测试)。

注意:& 0xffffffff用于保证unsigned int结果。这是必需的,因为根据python版本crc32(b)可能会返回有符号或无符号的int。

修改

如果你想要更多的东西"随机"与CRC32相比,您可以使用哈希函数,例如SHA256:

from struct import unpack
from hashlib import sha256

def bytes_to_float(b):
    return float(unpack('L', sha256(b).digest()[:8])[0]) / 2**64

效果测试

            String length
Function    7       70      700     7000
b2f_crc32   0.34    0.38    0.87    5.59    
b2f_md5     0.96    1.08    2.11    11.13   
b2f_sha1    0.99    1.07    1.76    8.37    
b2f_sha256  1.11    1.20    2.60    16.44   
b2f_rnd     6.59    6.55    6.59    6.60    

基本上,对于短字符串,CRC32解决方案是最快的(比@ user3030010&random = RND解决方案快18倍)。它大约比SHA256快3倍,无论字符串长度如何。 SHA256比MD5慢,慢于SHA1(非常短的字符串除外)。但是,RND选项不依赖于字符串长度,因此当字符串很长时,它可能是最快的选项(但请参阅我对@ user3030010的回答):在我的计算机上,它胜过SHA256超过2500个字符的字符串,对于长度超过8000个字符的字符串,它胜过CRC32。

以下是代码,使用timeit.timeit()

from __future__ import print_function
[...] # define b2f_crc32, b2f_md5 and so on.
for func in ("b2f_crc32", "b2f_md5", "b2f_sha1", "b2f_sha256", "b2f_rnd"):
  for length in (7, 70, 700, 7000):
    t = timeit('b2f(b"%s")'%(b"x"*length),
               'from __main__ import %s as b2f' % func)
    print("%.2f"%t, end="\t")
  print()

答案 1 :(得分:4)

您可以尝试这样的事情:

import random
random.seed(hash(your_string))
random.random()