Question

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。

Answer 1

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＆＃34;随机＆＃34;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()

Answer 2

您可以尝试这样的事情：

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

如何在[0：1]中将字符串哈希到浮点数？

2 个答案: