You need to enable JavaScript to run this app.
优惠活动
大模型
产品
解决方案
定价
更多

在SQL中如何按C1列将两行数据合并为单行?

按C1合并行并计算字符串编辑距离

原始数据表格

C1C2C3C4
AltonJamesWebsAltonJamesWebs
AltonWebsJamsAltonJamsWebs
BuddarakhIzmeGrillBuddarakhGrillIzme
BuddarakhGriIzmezhBuddarakhGriIzmezh

按C1合并后的目标表格

C1C2_1C3_1C4_1C2_2C3_2C4_2
AltonJamesWebsAltonJamesWebsWebsJamsAltonJamsWebs
BuddarakhIzmeGrillBuddarakhGrillIzmeGriIzmezhBuddarakhGriIzmezh

计算Levenshtein距离(编辑距离)

Levenshtein距离(编辑距离) 是衡量两个字符串差异的指标,指将一个字符串转换为另一个字符串所需的最少单字符编辑(插入、删除、替换)次数。

实现代码(Python)

def levenshtein_distance(s1, s2):
    m, n = len(s1), len(s2)
    dp = [[0]*(n+1) for _ in range(m+1)]
    
    # 边界处理:空字符串与目标字符串的距离为目标长度
    for i in range(m+1):
        dp[i][0] = i
    for j in range(n+1):
        dp[0][j] = j
    
    # 填充距离矩阵
    for i in range(1, m+1):
        for j in range(1, n+1):
            if s1[i-1] == s2[j-1]:
                dp[i][j] = dp[i-1][j-1]
            else:
                dp[i][j] = min(dp[i-1][j], dp[i][j-1], dp[i-1][j-1]) + 1
    return dp[m][n]

# 针对合并后的数据计算
target_pairs = [
    ("AltonJamesWebs", "AltonJamsWebs"),
    ("BuddarakhGrillIzme", "BuddarakhGriIzmezh")
]

for pair in target_pairs:
    dist = levenshtein_distance(pair[0], pair[1])
    print(f"{pair[0]} 与 {pair[1]} 的编辑距离:{dist}")

运行结果

AltonJamesWebs 与 AltonJamsWebs 的编辑距离:2
BuddarakhGrillIzme 与 BuddarakhGriIzmezh 的编辑距离:4

内容的提问来源于stack exchange,提问作者Isaac A

相关产品推荐
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.08.06 03:05:31