确定 vector<char> 中频率最高的 char 元素？

Posted 2023-02-21

【中文标题】确定 vector<char> 中频率最高的 char 元素？

【英文标题】：Determining most freq char element in a vector<char>?

【发布时间】：2012-08-21 06:22:19

【问题描述】：

我正在尝试确定以字符为元素的向量中最常见的字符。

我正在考虑这样做：

循环遍历向量并创建一个映射，其中键是向量中的唯一字符。相应的值将是该字符频率的整数计数。 遍历完向量中的所有元素后，地图将 包含所有字符频率。因此，我将不得不找到 哪个键具有最高值，因此确定最多 向量中的频繁字符。

不过，这似乎很令人费解，因此我想知道是否有人可以建议这种方法在性能/良好编码方面是否被认为是“可接受的”

能否以更好的方式做到这一点？

【问题讨论】：

你所描述的绝对是解决这个问题的正常方法。你问的是这个吗？

最大矢量尺寸有多大？向量中允许使用哪些字符？

这里有很多答案：***.com/questions/1991984/…

复杂？这是完成这项任务的最直接明显的方法。它应该是您的首选，如果在 profiling 之后确定效率不够，那么您可以查看其他选项。

@Hbcdev 我不确定这是否是常见的解决方案，因为它似乎是我能想到的最直观的解决方案，但我不确定它是否会被认为在行业中效率低下无法接受....

【参考方案1】：

如果您只使用常规 ascii 字符，您可以使解决方案更快一些 - 使用大小为 256 的数组，而不是使用地图，并计算数组中具有给定代码“x”的字符的出现次数单元格count[x]。这将从您的解决方案中删除一个对数（256），从而使其更快一些。我认为在优化这个算法方面可以做的不多。

【讨论】：

另外这个解决方案是缓存友好的。

当心：char 可能被签名，在这种情况下，将其用作索引......令人惊讶。

【参考方案2】：

对一个字符向量进行排序，然后遍历该向量以查找最大运行长度似乎比使用映射方法快 5 倍（使用下面相当不科学的测试代码作用于 16M 字符）。从表面上看，这两个函数的执行应该彼此接近，因为它们的执行时间为 O(N log N)。但是排序方法可能受益于就地向量排序的branch prediction 和move semantics。

结果输出是：

Most freq char is '\334', appears 66288 times.
usingSort() took 938 milliseconds
Most freq char is '\334', appears 66288 times.
usingMap() took 5124 milliseconds

代码是：

#include <iostream>
#include <map>
#include <vector>
#include <chrono>

void usingMap(std::vector<char> v)

    std::map<char, int> m;
    for ( auto c : v )
    
        auto it= m.find(c);
        if( it != m.end() )
            m[c]++;
        else
            m[c] = 1;
    

    char mostFreq;
    int count = 0;
    for ( auto mi : m )
        if ( mi.second > count )
        
            mostFreq = mi.first;
            count = mi.second;
        

    std::cout << "Most freq char is '" << mostFreq << "', appears " << count << " times.\n";


void usingSort(std::vector<char> v)

    std::sort( v.begin(), v.end() );
    char currentChar = v[0];
    char mostChar = v[0];
    int currentCount = 0;
    int mostCount = 0;
    for ( auto c : v )
    
        if ( c == currentChar )
            currentCount++;
        else
        
            if ( currentCount > mostCount)
            
                mostChar = currentChar;
                mostCount = currentCount;
            
            currentChar = c;
            currentCount = 1;
        
    

    std::cout << "Most freq char is '" << mostChar << "', appears " << mostCount << " times.\n";


int main(int argc, const char * argv[])

    size_t size = 1024*1024*16;
    std::vector<char> v(size);
    for ( int i = 0; i < size; i++)
    
        v[i] = random() % 256;
    

    auto t1 = std::chrono::high_resolution_clock::now();
    usingSort(v);
    auto t2 = std::chrono::high_resolution_clock::now();
    std::cout
        << "usingSort() took "
        << std::chrono::duration_cast<std::chrono::milliseconds>(t2-t1).count()
        << " milliseconds\n";
    auto t3 = std::chrono::high_resolution_clock::now();
    usingMap(v);
    auto t4 = std::chrono::high_resolution_clock::now();
    std::cout
        << "usingMap() took "
        << std::chrono::duration_cast<std::chrono::milliseconds>(t4-t3).count()
        << " milliseconds\n";
    return 0;

【讨论】：

我的猜测是排序方法受益于更少的堆分配和更好的缓存局部性。

@Phillip Ngan，“:”是什么运算符？

无论如何，我有一个类似的问题。如果您看一下将不胜感激：***.com/questions/21693841/…