哈希映射的多映射的更好数据结构

Question

事实证明，我选择的数据结构设计执行起来非常笨拙，因此我希望您能针对我正在尝试的内容提出一个更自然的数据结构，而不是询问您的专家意见如何执行它做，如下。我正在读取数据行。每列都是一个变量（Animal、Color、Crop、... - 其中有 45 个）。每行数据都有该列变量的值 - 您事先不知道值或行数。

Animal  Color   Crop    ...
-------------------------------------
cat     red     oat
cat     blue        hay
dog     blue        oat
bat     blue        corn
cat     red     corn
dog     gray        corn
...     ...     ...

当我读完后，它应该捕获每个变量、变量所取的每个值以及该变量取该值的次数，如下所示：

Animal [cat, 3][dog,2][bat, 1]...
Color [blue, 3][red,2][gray,1]...
Crop [corn,3][oat, 2][hay,1]...
...

我尝试了几种方法，我得到的最接近的方法是使用 GUAVA 哈希映射的多映射，如下所示：

Map<String, Integer> eqCnts = new HashMap<String, Integer>();
Multimap<String, Map> ed3Dcnt = HashMultimap.create();
for (int i = 0; i + 1 < header.length; i++) {
    System.out.format("Got a variable of %s\n", tmpStrKey = header[i]);
    ed3Dcnt.put(tmpStrKey, new HashMap<String, Integer>());
 }

似乎我已经完全创建了我想要的东西，但是使用起来非常尴尬和乏味，而且它的行为方式也很神秘（一方面，即使“ed3Dcnt.put()”插入了一个HashMap，对应的“.get()”不返回一个HashMap，而是一个Collection，这会产生一系列全新的问题。）请注意，我想对值的结果进行排序，从最高到最低，但我认为我可以轻松做到这一点。

那么，如果您愿意，请您对数据结构设计的更好选择提出建议？如果没有明显更好的设计选择，我该如何使用 .get() 返回的 Collection，而我想要的只是放入该插槽的单个 HashMap？

非常感谢 - Ed

Answer 1

您可以通过将 Map<String, Integer> 替换为 Multiset 来消除一些奇怪之处。

A multiset (or a bag) 是一个允许重复元素的集合 - 并对它们进行计数。你又扔了一个苹果、一个梨和一个苹果。它记得它有两个苹果和一个梨。基本上，这就是您在刚刚使用的Map<String, Integer> 下所想象的。

Multiset<String> eqCounts = HashMultiset.create();

---

对应的“.get()”不返回一个HashMap，而是一个 收藏

这是因为您使用了通用的“Multimap”接口。文档说：

但是，您很少直接使用 Multimap 界面；更经常 您将使用ListMultimap或SetMultimap，将键映射到列表或 分别设置。

---

所以，坚持你的原始设计：

• 每一列都是一个Multiset<String>，它将存储和计算您的值。

• 您将有一个Map<String, Multiset<String>>（键是标题，值是列），您将在其中放置这样的列：

  Map<String, Multiset<String>> columns = Maps.newHashMap();
  for (int i = 0; i < headers.length; i++) {
      System.out.format("Got a variable of %s\n", headers[i]);
      columns.put(headers[i], HashMultiset.<String>create());
  }
  

读取一行并将值放在它们所属的位置：

String[] values = line.split(" ");
for (int i = 0; i < headers.length; i++) {
    columns.get(headers[i]).add(values[i]);
}

---

说了这么多，你可以看到外部的HashMap 有点多余，整个事情仍然可以改进（尽管我认为它已经足够好了）。要进一步改进它，您可以尝试以下方法：

1. 使用Multiset 的数组而不是HashMap。毕竟，您事先知道列数。
2. 如果您不喜欢创建通用数组，请使用List.

3. 也许是最好的：像这样创建一个类Column：

   private static class Column {
       private final String header;
       private final Multiset<String> values;
   
       private Column(String header) {
           this.header = header;
           this.values = HashMultiset.create();
       }
   }
   

   不要使用String[] 作为标题，使用Map<String, Multiset<String>> 作为它们的值，而是使用Column[]。您可以创建此数组来代替创建 headers 数组。

Answer 2

在我看来，最合适的是：

HashMap<String, HashMap<String, Integer>> map= new HashMap<String, HashMap<String, Integer>>();

现在，添加 header 内部地图：

for (int i = 0; i + 1 < header.length; i++) {
    System.out.format("Got a variable of %s\n", tmpStrKey = header[i]);
    map.put(tmpStrKey, new HashMap<String, Integer>());
}

并且在内部映射中增加一个值：

//we are in some for loop
for ( ... ) {
    String columnKey = "animal"; //lets say we are here in the for loop
    for ( ... ) {
        String columnValue = "cat"; //assume we are here
        HashMap<String, Integer> innerMap = map.get(columnKey);

        //increment occurence
        Integer count = innerMap.get(columnValue);
        if (count == null) {
            count = 0;
        }
        innerMap.put(columnValue, ++count);
    }
}

Answer 3

1) 多重地图中的地图通常称为基数地图。为了从一组值创建基数映射，我通常使用来自 Apache Commons Collections 的CollectionUtils.getCardinalityMap，尽管这不是通用的，因此您需要一个不安全（但已知是安全的）强制转换。如果您想使用 Guava 构建地图，我认为您应该首先将变量的值放在 Set<String> 中（以获取一组唯一值），然后对每个值使用 Iterables.frequency() 以获取计数。 （编辑：或者更简单：使用ImmutableMultiset.copyOf(collection) 将基数映射作为Multiset）无论如何，生成的基数映射是Map<String, Integer，例如您已经在使用的。

2) 我不明白您为什么需要 Multimap。毕竟你想将每个变量映射到一个基数映射，所以我会使用Map<String, Map<String, Integer>>。 编辑：或使用Map<String, Multiset<String>>，如果您决定使用多重集作为您的基数映射。