字数统计的效率

Question

我的任务是开发一个简单的文本分析器，它接收行作为输入并计算词频，然后打印按出现次数排序的词，并且在相同频率内按字母顺序打印。我想让它尽可能节省时间和空间，并试图找出哪种数据结构最好，与哪种排序算法相关。

目前，我想到了一个快速排序的版本，但这意味着我的单词在被计算后必须已经放在一个数组中。在处理输入时，静态数组会立即使搜索操作的时间复杂度为 O(n) - 所以我正在考虑利用另一种结构（例如平衡二叉树）来进行处理，然后将其转换为数组。

我的想法是否正确，或者将树变成数组会损害我的效率？有什么建议吗？

谢谢

Answer 1

Mafalda，例如，您可以将插入排序与快速排序结合使用。 快速排序可能是最好的方法。

您可能想查看此链接why-is-quicksort-better-than-other-sorting-algorithms-in-practice

Answer 2

假设您选择的编程语言相对高效，那么使用从 FSM 填充的字母树（不是二叉树 - 扇出应该是字符集的大小）来存储计数可能是成本最低的解决方案.