Python生成两两至少3位不同的4字符字符串技术求助

一、不用第三方库的贪心算法（推荐） #

这个思路更轻量，不需要numpy/pandas，直接通过嵌套循环筛选：

核心逻辑是逐步构建结果列表：每次选一个新字符串，确保它和列表里所有已有的字符串都满足「至少3个位置不同」，直到列表长度达到12。

chars = ['A', 'B', 'C', 'D']

# 先生成所有可能的4字母字符串
all_strings = [a + b + c + d for a in chars for b in chars for c in chars for d in chars]

result = []
for candidate in all_strings:
    # 检查候选字符串和已选所有字符串的差异数是否都≥3
    valid = True
    for s in result:
        diff_count = sum(c1 != c2 for c1, c2 in zip(candidate, s))
        if diff_count < 3:
            valid = False
            break
    if valid:
        result.append(candidate)
        # 凑够12个就停止
        if len(result) == 12:
            break

print(result)

运行后就能得到符合要求的12个字符串，实际结果不唯一，只要满足条件即可。

二、基于你现有DataFrame的过滤方法 #

如果你想继续用numpy/pandas的思路，可以用贪心筛选的方式从DataFrame里提取目标字符串：

import numpy as np
import pandas as pd

chars = ['A','B','C','D']
strings = [a+b+c+d for a in chars for b in chars for c in chars for d in chars]

# 优化距离计算：用向量式运算代替嵌套循环（比你原来的方法快很多）
def get_distance_matrix(str_list):
    # 把字符串转成二维数组，每个字符对应一个列
    arr = np.array([list(s) for s in str_list])
    # 计算两两字符串的位置差异数
    matrix = (arr[:, np.newaxis, :] != arr[np.newaxis, :, :]).sum(axis=2)
    return matrix

dist_matrix = get_distance_matrix(strings)
df = pd.DataFrame(dist_matrix, index=strings, columns=strings)

# 开始筛选目标字符串
selected = []
# 先选第一个字符串作为起始点
selected.append(strings[0])

while len(selected) < 12:
    # 筛选出和所有已选字符串差异≥3的候选
    # 取已选字符串对应的行，求每列的最小值（即该候选和已选字符串的最小差异）
    min_dists = df.loc[selected].min(axis=0)
    # 筛选出最小差异≥3的字符串，排除已选的
    candidates = min_dists[min_dists >=3].index.difference(selected)
    # 选第一个候选加入（也可以随机选）
    selected.append(candidates[0])

print(selected)

这里优化了距离矩阵的计算，用numpy的向量运算代替嵌套循环，效率提升明显；然后通过每次筛选和已选所有字符串最小差异≥3的候选，逐步凑够12个。

关键思路说明 #

你的需求本质是找一个码距≥3的4元码集合（每个位置4种符号），这类问题用贪心算法是最直接的实现方式——不需要复杂的矩阵运算，只要保证每次新增的元素和现有集合内所有元素都满足距离要求即可。

内容的提问来源于stack exchange，提问作者RacktheMan