參考了部落格

對於編輯距離，我做了很詳細的解釋，具體如下：

import numpy as np

"""
此為編輯距離，就是str1轉化為str2的編輯距離
採用的就是動態規劃思想
舉例說明，我們以 str1="leensh"，str2="levensh"為例，首先得到的結果為：
      l  e  v  e  n  s  h
 [[0. 1. 2. 3. 4. 5. 6. 7.]
l [1. 0. 1. 2. 3. 4. 5. 6.]
e [2. 1. 0. 1. 2. 3. 4. 5.]
e [3. 2. 1. 1. 1. 2. 3. 4.]
n [4. 3. 2. 2. 2. 1. 2. 3.]
s [5. 4. 3. 3. 3. 2. 1. 2.]
h [6. 5. 4. 4. 4. 3. 2. 1.]]
首先第一個字元完全一致，所以矩陣[1,1]為0，不需要更改，如果[1,2],[1,3],...[1,7]都做改變，距離一次累加，相當於，不管以後的字元，只管
str1只有一個字元l的情況下，變成str2的方法，需要把後邊全部變化成str2對應的字串，所以【1,2】，..,[1,7]依次累計，同理
當第二行，[2,1],認為str2，只有l的時候，由於第一個字元相同，所以str2變成str1只需當前1個過程，【2,2】為0，由於前兩個字元相同，同理[2,3],...
[2,7]，當在第3行時，【3,3】為1，但是[3,4]為什麼也為1，這個是關鍵，變成[3,4],有三個可能，[2,4],[3,3],[2,3],由於最小積累在，[3,3],[2,3]對應的
待匹配字串分別為lev ，lev，，但是[3,3]進入到[3,4],需要新增e，這樣總代價變成了[3,3]+1=2,而[2,3]當前字串為lev,我們提供的【2,3】變成第3行
添加了一個e所以，與待匹配e相同，沒有變化，所以總代價還是1，而[3,3]已經把給的e變成了v，所以到第4步，需要重新新增e，所以代價為2，依次剩餘字串相同
所以總代價為1，他只需添加了一個
"""
def distance_str(str1,str2):
    dp=np.zeros((len(str1)+1,len(str2)+1))
    m=len(str1)
    n=len(str2)
    for k in range(1,m+1):
        dp[k][0]=k
    for k in range(1,n+1):
        dp[0][k]=k
    for k in range(1,m+1):
        for j in range(1,n+1):
            dp[k][j]=min(dp[k-1][j],dp[k][j-1])+1 #這裡表示上邊和下邊的數值最小數值
            if str1[k-1]==str2[j-1]:
                dp[k][j]=min(dp[k][j],dp[k-1][j-1])
            else:
                dp[k][j]=min(dp[k][j],dp[k-1][j-1]+1)
    print(dp)

if __name__ == '__main__':
    str1="leensh"
    str2="levensh"