答案 0 :(得分：24)
如果您的单词列表很长，从'word'生成所有可能的1个字母差异可能更有效，那么检查列表中的哪些？我不知道任何Python，但应该有一个合适的wordlist数据结构，允许进行日志时间查找。
我建议这样做，因为如果你的单词是合理的长度（~10个字母），那么你只会寻找250个潜在单词，如果你的单词列表大于几百个单词，这可能会更快。
答案 1 :(得分：10)
当你真正关心距离= 1时，你的函数distance正在计算总距离。大多数情况下，你会知道它在几个字符内是> 1，所以你可以提前返回并节省大量时间。
除此之外，可能有更好的算法，但我无法想到它。
编辑：另一个想法。
根据第一个字符是否匹配，您可以制作2个案例。如果不匹配，则单词的其余部分必须完全匹配，您可以一次性测试。否则，与你正在做的事情类似。你甚至可以递归地做，但我认为这不会更快。
def DifferentByOne(word1, word2):
if word1[0] != word2[0]:
return word1[1:] == word2[1:]
same = True
for i in range(1, len(word1)):
if word1[i] != word2[i]:
if same:
same = False
else:
return False
return not same
编辑2：我已经删除了检查以查看字符串是否长度相同，因为您说它是多余的。在我自己的代码和is_neighbors函数Ryan's tests上运行provided by MizardX，我得到以下结果：
编辑3：（可能会进入社区维基地区，但是......）
使用izip而不是zip来尝试最终定义is_neighbors（）：2.9秒。
这是我的最新版本，仍然是1.1秒：
def DifferentByOne(word1, word2):
if word1[0] != word2[0]:
return word1[1:] == word2[1:]
different = False
for i in range(1, len(word1)):
if word1[i] != word2[i]:
if different:
return False
different = True
return different
答案 2 :(得分：6)
from itertools import izip
def is_neighbors(word1,word2):
different = False
for c1,c2 in izip(word1,word2):
if c1 != c2:
if different:
return False
different = True
return different
或者可能是izip代码的内容：
def is_neighbors(word1,word2):
different = False
next1 = iter(word1).next
next2 = iter(word2).next
try:
while 1:
if next1() != next2():
if different:
return False
different = True
except StopIteration:
pass
return different
重写了getchildren：
def iterchildren(word, wordlist):
return ( w for w in wordlist if is_neighbors(word, w) )
答案 3 :(得分：4)
人们主要通过尝试编写更快的功能来解决这个问题，但可能还有另一种方式......
“距离”被称为超过500万次
这是为什么？也许更好的优化方法是尝试减少调用distance的次数，而不是缩短distance's执行时间的毫秒数。没有看到完整的脚本就无法分辨，但通常不需要优化特定的功能。
如果这是不可能的，也许你可以把它写成C模块？
答案 4 :(得分：3)
使用相同的参数调用distance函数的频率是多少？一个简单的实现优化就是使用memoization。
您可能还可以创建某种字典，其中包含字母和单词列表，它们之间存在差异，并在其中查找值。该数据结构既可以通过pickle存储和加载，也可以在启动时从头开始生成。
如果你使用的词很长，那么短路评估只会给你增益，因为你使用的汉明距离算法基本上是O（n），其中n是字长。
我做了一些关于时间的实验，以寻找可能具有说明性的替代方法。
d = """\
def distance(word1, word2):
difference = 0
for i in range(len(word1)):
if word1[i] != word2[i]:
difference += 1
return difference
"""
t1 = timeit.Timer('distance("hello", "belko")', d)
print t1.timeit() # prints 6.502113536776391
d = """\
from itertools import izip
def hamdist(s1, s2):
return sum(ch1 != ch2 for ch1, ch2 in izip(s1,s2))
"""
t2 = timeit.Timer('hamdist("hello", "belko")', d)
print t2.timeit() # prints 10.985101179
d = """\
def distance_is_one(word1, word2):
diff = 0
for i in xrange(len(word1)):
if word1[i] != word2[i]:
diff += 1
if diff > 1:
return False
return diff == 1
"""
t3 = timeit.Timer('hamdist("hello", "belko")', d)
print t2.timeit() # prints 6.63337
答案 5 :(得分：2)
答案 6 :(得分：1)
对于这样一个具有如此大的性能影响的简单函数，我可能会创建一个C库并使用ctypes来调用它。 reddit的创始人之一声称他们使用这种技术使网站的速度提高了2倍。
你也可以在这个功能上使用psyco，但要注意它会占用大量内存。
答案 7 :(得分：0)
我不知道它是否会显着影响你的速度，但你可以先将列表理解转换为生成器表达式。它仍然是可迭代的，因此在使用方面不应该有太大的不同：
def getchildren(word, wordlist):
return [ w for w in wordlist if distance(word, w) == 1 ]
到
def getchildren(word, wordlist):
return ( w for w in wordlist if distance(word, w) == 1 )
主要的问题是列表理解会在内存中构建自己并占用相当多的空间，而生成器会动态创建列表，因此不需要存储整个事物。
另外，根据未知的答案，这可能是一种更加“pythonic”的写距离方式（）：
def distance(word1, word2):
difference = 0
for x,y in zip (word1, word2):
if x == y:
difference += 1
return difference
但是当len（word1）！= len（word2）时它的意图令人困惑，在zip的情况下，它只返回与最短单词一样多的字符。 （这可能会成为一种优化......）
答案 8 :(得分：0)
试试这个：
def distance(word1, word2):
return sum([not c1 == c2 for c1, c2 in zip(word1,word2)])
另外，你有游戏链接吗？我喜欢被文字游戏摧毁
答案 9 :(得分：0)
首先发生在我身上：
from operator import ne
def distance(word1, word2):
return sum(map(ne, word1, word2))
它有比人们发布的其他函数更快的机会，因为它没有解释循环，只是调用Python原语。而且它足够短，你可以合理地将它内联到调用者。
对于更高级别的问题，我将研究在度量空间中为相似性搜索开发的数据结构，例如： this paper或this book，我从未读过这些文章（他们在寻找我读过但不记得的论文时出现过）。
答案 10 :(得分：0)
这个代码段：
for x,y in zip (word1, word2):
if x != y:
difference += 1
return difference
我会用这个：
return sum(1 for i in xrange(len(word1)) if word1[i] == word2[i])
相同的模式将遵循所提供的代码......
答案 11 :(得分：0)
其他人只关注明确的距离计算，而没有做任何关于构建距离-1候选者的事情。 您可以使用名为 Trie 的众所周知的数据结构来改进，以将隐式距离计算与生成所有距离的任务合并-1邻居单词。 Trie是一个链表，其中每个节点代表一个字母，而“下一个”节点代表一个字母。 field是一个包含多达26个条目的dict，指向下一个节点。
这里是伪代码：迭代地按照你给出的单词走Trie;在每个节点处将所有distance-0和distance-1邻居添加到结果中;保持距离的计数器并减少距离。你不需要递归，只需要一个需要额外distance_so_far整数参数的查找函数。
通过为长度为3，长度为4，长度为5等单词构建单独的Tries，可以获得O（N）空间增加的额外速度的微小权衡。