我在 Swift 中有一个函数可以计算 hamming distance两个字符串,如果结果为 1,则将它们放入连通图中。
例如,read to hear 返回的汉明距离为 2,因为 read[0] != hear[0]
和 read[3] != hear[3]
。
起初,我以为我的函数因为输入量(8,000+ 词典)而需要很长时间,但我知道几分钟太长了。因此,我用 Java 重写了相同的算法,计算仅用了 0.3 秒。
我试过用两种不同的方式用 Swift 写这个:
方式 1 - 子串
extension String {
subscript (i: Int) -> String {
return self[Range(i ..< i + 1)]
}
}
private func getHammingDistance(w1: String, w2: String) -> Int {
if w1.length != w2.length { return -1 }
var counter = 0
for i in 0 ..< w1.length {
if w1[i] != w2[i] { counter += 1 }
}
return counter
}
结果: 434 秒
方式2 - 删除字符
private func getHammingDistance(w1: String, w2: String) -> Int {
if w1.length != w2.length { return -1 }
var counter = 0
var c1 = w1, c2 = w2 // need to mutate
let length = w1.length
for i in 0 ..< length {
if c1.removeFirst() != c2.removeFirst() { counter += 1 }
}
return counter
}
结果: 156 秒
Java 中的相同内容
结果: 0.3 秒
在哪里调用
var graph: Graph
func connectData() {
let verticies = graph.canvas // canvas is Array<Node>
// Node has key that holds the String
for vertex in 0 ..< verticies.count {
for compare in vertex + 1 ..< verticies.count {
if getHammingDistance(w1: verticies[vertex].key!, w2: verticies[compare].key!) == 1 {
graph.addEdge(source: verticies[vertex], neighbor: verticies[compare])
}
}
}
}
156 秒对我来说还是太低效了。在 Swift 中比较字符的绝对最有效的方法是什么?是否有一种可能的解决方法来计算不涉及比较字符的汉明距离?
编辑
编辑 1:我正在使用包含 4 个和 5 个字母单词的整个字典并创建一个连接图,其中的边表示汉明距离为 1。因此,我将 8,000 多个单词与每个单词进行比较其他生成边缘。
编辑 2: 添加了方法调用。
最佳答案
除非您为字符串选择固定长度的字符模型,否则方法和属性(例如 .count 和 .characters)的复杂度为 O(n) 或最多为 O(n/2)(其中 n 是字符串长度).如果您将数据存储在字符数组中(例如 [Character] ),您的函数会执行得更好。
您还可以使用 zip() 函数将整个计算合并到一次传递中
let hammingDistance = zip(word1.characters,word2.characters)
.filter{$0 != $1}.count
但这仍然需要遍历每个单词对的所有字符。
...
鉴于您只寻找 1 的汉明距离,有一种更快的方法可以找到所有唯一的单词对:
策略是根据对应于一个“缺失”字母的 4(或 5)种模式对单词进行分组。这些模式组中的每一个都为单词对定义了一个较小的范围,因为不同组中的单词之间的距离不是 1。
每个单词将属于与其字符数一样多的组。
例如:
"hear" will be part of the pattern groups:
"*ear", "h*ar", "he*r" and "hea*".
对应于这 4 个模式组之一的任何其他单词与“听到”的汉明距离为 1。
这是如何实现的:
// Test data 8500 words of 4-5 characters ...
var seenWords = Set<String>()
var allWords = try! String(contentsOfFile: "/usr/share/dict/words")
.lowercased()
.components(separatedBy:"\n")
.filter{$0.characters.count == 4 || $0.characters.count == 5}
.filter{seenWords.insert($0).inserted}
.enumerated().filter{$0.0 < 8500}.map{$1}
// Compute patterns for a Hamming distance of 1
// Replace each letter position with "*" to create patterns of
// one "non-matching" letter
public func wordH1Patterns(_ aWord:String) -> [String]
{
var result : [String] = []
let fullWord : [Character] = aWord.characters.map{$0}
for index in 0..<fullWord.count
{
var pattern = fullWord
pattern[index] = "*"
result.append(String(pattern))
}
return result
}
// Group words around matching patterns
// and add unique pairs from each group
func addHamming1Edges()
{
// Prepare pattern groups ...
//
var patternIndex:[String:Int] = [:]
var hamming1Groups:[[String]] = []
for word in allWords
{
for pattern in wordH1Patterns(word)
{
if let index = patternIndex[pattern]
{
hamming1Groups[index].append(word)
}
else
{
let index = hamming1Groups.count
patternIndex[pattern] = index
hamming1Groups.append([word])
}
}
}
// add edge nodes ...
//
for h1Group in hamming1Groups
{
for (index,sourceWord) in h1Group.dropLast(1).enumerated()
{
for targetIndex in index+1..<h1Group.count
{ addEdge(source:sourceWord, neighbour:h1Group[targetIndex]) }
}
}
}
在我的 2012 MacBook Pro 上,8500 个单词在 0.12 秒内通过 22817 个(唯一的)边对。
[编辑] 为了说明我的第一点,我使用字符数组而不是字符串创建了一个“强力”算法:
let wordArrays = allWords.map{Array($0.unicodeScalars)}
for i in 0..<wordArrays.count-1
{
let word1 = wordArrays[i]
for j in i+1..<wordArrays.count
{
let word2 = wordArrays[j]
if word1.count != word2.count { continue }
var distance = 0
for c in 0..<word1.count
{
if word1[c] == word2[c] { continue }
distance += 1
if distance > 1 { break }
}
if distance == 1
{ addEdge(source:allWords[i], neighbour:allWords[j]) }
}
}
这会在 0.27 秒内完成唯一对。速度差异的原因是 Swift Strings 的内部模型,它实际上不是一个等长元素(字符)的数组,而是一串不同长度的编码字符(类似于 UTF 模型,其中特殊字节表示以下 2 或3个字节是单个字符的一部分。这种结构没有简单的Base+Displacement索引,必须始终从头迭代到第N个元素。
请注意,我使用 unicodeScalars 而不是 Character,因为它们是 16 位固定长度的字符表示形式,允许直接进行二进制比较。 Character 类型不是那么简单,需要更长的时间进行比较。
关于swift - 如何有效地比较 Swift 中的字符,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/45965016/