我收集了几千个字符串（DNA序列）。 我想通过排除非常相似的序列将其减少到几百个（确切的数字并不重要）。
我可以通过使用"Levenshtein"模块进行匹配来做到这一点。 它有效，但它很慢，我很确定一定有更快的方法。 这里的代码是相同的方法，但应用于单词，使其更易于测试;对我来说，这个截止时间大约需要 10 秒并收集 ~1000 个单词。
import Levenshtein as lev
import random
f = open("/usr/share/dict/words", 'r')
txt = f.read().splitlines()
f.close()
cutoff = .5
collected = []
while len(txt) > 0:
a = random.choice(txt)
collected.append(a)
txt = filter( lambda b: lev.ratio(a,b) < cutoff, txt)
我尝试了几种不同的变体和其他一些匹配模块（水母），但没有明显更快。
也许你可以使用局部敏感哈希。您可以将所有字符串哈希到存储桶中，以便一个存储桶中的所有字符串彼此非常相似。然后，您只能从每个存储桶中选择一个。
我个人从来没有用过这个（不知道它在你的情况下效果有多好），这只是一个想法。相关： 字符串相似性的 Python 摘要/哈希
我不太确定您的应用程序的目标是什么，但是在使用序列时，您可能需要考虑使用Biopython。计算两个DNA剪之间距离的另一种方法是使用比对分数（通过非恒定比对权重与Levenshtein相关）。使用biopython，您可以进行多序列比对并创建系统发育树。如果您想要更快的解决方案，请使用 BLAST 这是一种启发式方法。这将是一致的解决方案，而您的解决方案取决于输入序列的随机选择。
关于您最初的问题，没有"简单"的解决方案来加速您的代码。