数据
我有N
索引的不同(排序) vector (std::vector<unsigned int>
)。索引在 [0; L-1]。以下是有关此数据的两条经验法则:
- 只有大约 0.1% 到 10% 的可能索引出现在任何地方
- 如果在给定的 vector 中找到一个索引,那么它很可能会在其他 vector 中多次找到。
因此可能的数据集为 N=10
vector 和 L = 200
可能是
{45, 110, 119, 145, 170}
{9, 45, 110, 145, 178, 170}
{45, 145}
{45, 178, 183}
{45, 53, 110, 170}
{9, 119, 123, 179}
{9, 45, 119, 130, 131, 170, 190, 199}
{9, 45, 110, 170, 199}
{31, 45, 145}
{9, 178, 183}
目标
我想计算每个索引的频率。我会做类似的事情
std::vector<double> computeFrequencies(std::vector<std::vector<unsigned int>>& data)
{
assert(data.size() == N);
std::vector<double> frequencies(L);
for (unsigned Ni = 0 ; Ni < N ; Ni++)
{
for (unsigned i = 0 ; i < data[Ni].size() ; i++)
{
assert(data[Ni][i] < L)
frequencies[data[Ni][i]]++;
}
}
for (unsigned i = 0 ; i < L; i++)
{
frequencies[i] /= (double) N;
}
return(frequencies);
}
然后我将再次遍历函数 computeFrequencies
返回的对象只有一次。
for (unsigned i = 0 ; i < L; i++)
{
foo(frequencies[i]);
}
问题
对象 frequencies
包含很多零点,因此我应该改用稀疏 vector 。虽然我对稀疏矩阵了解不多。我应该使用什么类型的稀疏 vector ?
我正在考虑使用 boost::numeric::ublas::coordinate_matrix<double><double>
因为当我遍历所有 N
vector ,我会不断添加新的非零值,我认为坐标矩阵可以很好地处理这个问题。请注意,一般来说,对于此功能,我更担心 RAM 使用而不是计算时间。
最佳答案
看起来稀疏 vector 表示不太适合您的问题。
按照您的描述完成您的任务:
- 将已排序的 vector 合并为一个已排序的 vector 。如何进行高效的 K-way 合并时不时地出现在这里:merging N sorted files using K way merge
- 遍历新 vector 并计算每个条目的重复次数(很容易,因为它们都在一起)以获得您的频率并在您进行时
foo
它们。
您甚至可以同时执行这两个步骤,完全避免将数据复制到新结构中的需要。
关于c++ - 我应该使用什么类型的稀疏 vector ?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/55819181/