0

我正在尝试实现 Flajolet Martin 算法。我有一个包含超过 6000 条记录的数据集，但以下代码的输出是 4096。请帮助我理解我所犯的错误。

import xxhash

import math

def return_trailing_zeroes(s):

s = str(s)  

  rev = s[::-1] 

  count = 0

  for i in rev:

    if i is '0':

     count = count + 1

   else:

    break       

  return count

def gethash(line):

  num=abs(xxhash.xxh32(line).intdigest())

  return num

fp=open("/content/drive/MyDrive/Data.txt","r")

h_max=0

for line in fp:

  hash_value_1 = gethash(line)

  binary_1 = format(hash_value_1, '032b')       

  t1 = return_trailing_zeroes(binary_1)

  if t1>h_max:

    h_max=t1

fp.close()

print(2**h_max)

我尝试了 HyperLogLog 算法的这种实现，以下代码的输出为 2560。

def return_trailing_zeroes(s): s = str(s) rev = s[::-1] count = 0 for i in rev: if i is '0': count = count + 1 else: break
return count

h1_m=0

h2_m=0

h3_m=0

h4_m=0

fp=open("/content/drive/MyDrive/Data.txt","r")

对于 fp 中的行：

hash_value_1 = abs(xxhash.xxh32(line).intdigest())

hash_value_2 = abs(hash32(line))

hash_value_3 = abs(jhashcode.hashcode(line))

hash_value_4 = abs(mmh3.hash(line))

binary_1 = 格式（哈希值_1，'032b'）

binary_2 = 格式（哈希值_2，'032b'）

binary_3 = 格式（哈希值_3，'032b'）

binary_4 = 格式（哈希值_4，'032b'）

t1 = return_trailing_zeroes(binary_1)

t2 = return_trailing_zeroes(binary_2)

t3 = return_trailing_zeroes(binary_3)

t4 = return_trailing_zeroes(binary_4)

如果 t1>h1_m：h1_m=t1

如果 t2>h2_m：h2_m=t2

如果 t3>h3_m：h3_m=t3

如果 t4>h4_m：h4_m=t4

fp.close()

avg_hash12 = (2**(h1_m) + 2**(h2_m))/float(2)

avg_hash34 = (2**(h3_m) + 2**(h4_m))/float(2)

distinct_elements = math.ceil(statistics.median([avg_hash12, avg_hash34]))

打印（不同的元素）

4

0 回答 0