c++ - 使用 C/STL 计算出现次数并打印前 K

Question

我有一个大文本文件，每行都有标记。我想计算每个令牌的出现次数并对其进行排序。我如何在 C++ 中有效地做到这一点，最好使用内置函数和最短的编码（当然也是最有效的）？我知道如何在 python 中执行此操作，但不确定如何在 STL 中使用 unordered_map 执行此操作。

Answer 1

我会采用 unordered_map 方法。为了选择最频繁的 k 个标记，假设 k 小于标记的总数，您应该查看std::partial_sort。

顺便++frequency_map[token]说一句，（例如，频率映射是std::unordered_map<std::string, long>）在 C++ 中是完全可以接受的，尽管我认为 Python 中的等价物会在新出现的标记上爆炸。

好的，给你：

void most_frequent_k_tokens(istream& in, ostream& out, long k = 1) {
  using mapT = std::unordered_map<string, long>;
  using pairT = typename mapT::value_type;
  mapT freq;
  for (std::string token; in >> token; ) ++freq[token];
  std::vector<pairT*> tmp;
  for (auto& p : freq) tmp.push_back(&p);
  auto lim = tmp.begin() + std::min<long>(k, tmp.size());
  std::partial_sort(tmp.begin(), lim, tmp.end(),
      [](pairT* a, pairT* b)->bool {
        return a->second > b->second
               || (a->second == b->second && a->first < b->first);
        });
  for (auto it = tmp.begin(); it != lim; ++it)
    out << (*it)->second << ' ' << (*it)->first << std::endl;
}

Answer 2

假设您知道如何从 C++ 文件中读取行，这应该是朝着正确方向的推动

std::string token = "token read from file";
std::unordered_map<std::string,int> map_of_tokens;
map_of_tokens[token] = map_of_tokens[token] + 1;

然后，您可以将它们打印出来（用于测试）：

for ( auto i = map_of_tokens.begin(); i != map_of_tokens.end(); ++i ) {
    std::cout << i->first << " : " << i->second << "\n";
}