从 Google Collections 中查找 Multiset 中的前 N 个元素？答案

【问题标题】：Find top N elements in a Multiset from Google Collections?从 Google Collections 中查找 Multiset 中的前 N 个元素？
【发布时间】：2011-03-03 00:44:38
【问题描述】：

Google Collections Multiset 是一组元素，每个元素都有一个计数（即可能出现多次）。

我无法告诉你我想要执行以下多少次

制作直方图（完全是多重集）
从直方图中按计数获取前 N 个元素

示例：前 10 个 URL（被提及 # 次）、前 10 个标签（被应用 # 次）、...

在给定 Google Collections Multiset 的情况下，执行 #2 的规范方法是什么？

Here 是一篇关于它的博客文章，但该代码并不是我想要的。首先，它返回所有内容，而不仅仅是前 N 个。其次，它复制（是否可以避免复制？）。第三，我通常想要一个确定性排序，即如果计数相等，则进行决胜局。其他 nits：它不是静态的，等等。

【问题讨论】：

标签： java guava multiset

【解决方案1】：

我编写了具有您要求的基本功能的方法，除了它们执行复制并且缺乏确定性的平局逻辑。它们目前在 Google 内部，但我们可能会在某个时候将它们开源。这个 Guava issue 有方法签名。

他们的算法类似于博客文章：对条目列表进行排序。使用更好的selection algorithm 会更快，但更复杂。

编辑：从 Guava 11 开始，这是implemented

【讨论】：

怎么用它来获取top N元素？

【解决方案2】：

为了让人们评论的另一个角度，我将发布我引用的博客文章的略微修改版本：

package com.blueshiftlab.twitterstream.summarytools;

import com.google.common.collect.ImmutableList;
import com.google.common.collect.Multiset;
import com.google.common.collect.Ordering;
import com.google.common.collect.Multiset.Entry;

public class Multisets {
    // Don't construct one
    private Multisets() {
    }

    public static <T> ImmutableList<Entry<T>> sortedByCount(Multiset<T> multiset) {
        Ordering<Multiset.Entry<T>> countComp = new Ordering<Multiset.Entry<T>>() {
            public int compare(Multiset.Entry<T> e1, Multiset.Entry<T> e2) {
                return e2.getCount() - e1.getCount();
            }
        };
        return countComp.immutableSortedCopy(multiset.entrySet());
    }

    public static <T> ImmutableList<Entry<T>> topByCount(Multiset<T> multiset,
            int max) {
        ImmutableList<Entry<T>> sortedByCount = sortedByCount(multiset);
        if (sortedByCount.size() > max) {
            sortedByCount = sortedByCount.subList(0, max);
        }

        return sortedByCount;
    }
}

【讨论】：

如果我理解正确，此解决方案将在您每次要检索前 N 个元素时复制和排序整个集合。我不确定您的要求是什么，但是堆排序解决方案在时间和空间上都胜过这个，所以我不确定有什么好处。
您正在优化速度，我正在寻找我编写的最少代码行数。
我明白了——这在你的帖子中并不清楚，尤其是你问到要避免复制。
小心，您的比较器正在按计数降序排序
好点。这是设计使然，但没有明确指出。 “top N”通常表示降序。