如何使用替换距离在R中比较两个字符串以找到匹配字符的数量？

Question

在R语言中，我有两个字符向量a和b。

a <- c("abcdefg", "hijklmnop", "qrstuvwxyz")
b <- c("abXdeXg", "hiXklXnoX", "Xrstuvwxyz")

我需要一个函数来计算a中每个元素与b中对应元素的字符不匹配次数。以上面的示例为例，这样的函数应该返回c（2,3,1）。不需要对齐字符串。 我需要逐个比较每对字符串中的字符，并计算每对中的匹配和/或不匹配情况。在R中是否存在这样的函数？ 或者，换句话说，是否有一个函数可以给我两个字符串之间的编辑距离，其中唯一允许的操作是替换（忽略插入或删除）？

- Ryan C. Thompson

---

严格来说，这只是“替换距离”，而不是完整的“编辑距离”。 - smci

感谢您的纠正。 - Ryan C. Thompson

Answer 1

使用一些 mapply 函数：

mapply(function(x,y) sum(x!=y),strsplit(a,""),strsplit(b,""))
#[1] 2 3 1

- thelatemail

---

很抱歉，但那并不是我所要求的。它恰好在我的例子中给出了正确的答案，但如果字符串中有重复的字母，它将无法正常工作。例如，考虑 a <- "aaaaaaa"; b <- "aaaXaaa"。你的代码会返回6个不匹配，而正确的答案是1。 - Ryan C. Thompson

@RyanThompson - 好的 - 已经调整了答案以考虑重复。 - thelatemail

为了清晰起见，我会重命名变量和函数：substitution_distance <- function(s1,s2) { mapply(function(c1,c2) sum(c1!=c2), strsplit(s1,''), strsplit(s2,'')) } - smci

Answer 2

另一个选项是使用 adist，该函数计算字符向量之间的近似字符串距离：

mapply(adist,a,b)
abcdefg  hijklmnop qrstuvwxyz 
     2          3          1 

- agstudy

---

这两种解决方案并不完全可互换，尝试使用以下代码：a <- c("cdefgba", "hijklmnop", "qrstuvwxyz")，我的解决方案输出 c(7,3,1) 而 adist 的输出为 c(6,3,1)。 - thelatemail

这个答案允许插入缺失字符，而我只是要求逐个字符进行比较。 - Ryan C. Thompson