确定 vector<char> 中频率最高的 char 元素？

Question

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？

Answer 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。

Answer 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;
}