问题标签 [frequency-distribution]

我有来自网络流量数据、数据量（字节数）和一周内源和目标 IP 对的流数。我想绘制分布，即频率与排名。我相信 R 已经为此提供了一个功能。它是什么以及如何在我的场景中使用该功能。

我有一个events包含两列eventkey（唯一、主键）和的表createtime，它将事件的创建时间存储为自 1970 年 1 月 1 日以来的毫秒数NUMBER。

我想创建一个“直方图”或频率分布，显示过去一周的每个小时内创建了多少事件。

width_bucket()这是使用该函数在 Oracle 中编写此类查询的最佳方法吗？是否可以使用其他 Oracle 分析函数之一导出落入每个存储桶的行数，而不是使用width_bucket来确定每行属于哪个存储桶编号并count(*)对其进行处理？

我正在尝试使用 Python 获取一组文档的频率分布。我的代码由于某种原因无法正常工作并产生此错误：

你能帮我吗？

这是到目前为止的代码：

我只是想知道该计算的最佳方法是什么。假设我有一个输入值数组和边界数组 - 我想计算/分桶边界数组中每个段的频率分布。

使用存储桶搜索是个好主意吗？

实际上我发现了Calculating frequency distribution of a collection with .Net/C# 的问题

但是我不明白如何为此目的使用存储桶，因为在我的情况下每个存储桶的大小可能会有所不同。

编辑：在所有讨论之后，我有内/外循环解决方案，但我仍然想用字典消除内循环以获得 O(n) 性能，如果我理解正确，我需要将输入值散列到存储桶索引中. 所以我们需要某种复杂度为 O(1) 的散列函数？任何想法如何做到这一点？

我取了一个歌曲样本并对样​​本执行 FFT（快速傅里叶变换）。我能够获得歌曲的频率，但无法获得这些频率出现的时间。因此，它基本上变得无用，因为我必须将它与不同的样本进行匹配，除非我从中获得时间信息。

我该如何进行？

有没有办法（在 R 中使用 ggplot 或其他方式）在单列（两行）中绘制频率和累积频率曲线，即在另一列的顶部，以便可以使用直线在两条曲线上显示给定的四分位数？我希望我清楚这一点..

您可以使用这些数据..

我正在尝试将单词列表（标记化字符串）分解为每个可能的子字符串。然后我想对每个子字符串运行一个 FreqDist，以找到最常见的子字符串。第一部分工作正常。但是，当我运行 FreqDist 时，出现错误：

这是我的代码：

的输出substrings很好。这里是：

但是，我就是无法让 FreqDist 在其上运行。任何见解将不胜感激。在这种情况下，每个子字符串的 FreqDist 仅为 1，但该程序旨在在更大的文本样本上运行。

我需要创建一个界面，用户需要选择他的杂志/报纸分发多少次。一些杂志/报纸得到分发

• 一周几次。
• 一个月几次：--按天（例如每隔一个星期二）或按日期（例如在 1 日、10 日和 28 日）
• 一年几次。

选择频率后，我需要为每个频率项添加附加信息。例如，如果用户在星期一和星期五选择每周，我需要为星期一添加附加信息，并为星期五添加单独的信息。

有人对如何做到这一点有任何想法吗？或者我可以在哪里阅读更多内容或获取一些示例？

我为此应用程序使用 PHP 和 javascript/jquery。

提前致谢。

我有一个小程序，它使用 NLTK 来获取相当大的数据集的频率分布。问题是，几百万字之后，我开始耗尽系统上的所有 RAM。这是我认为相关的代码行：

必须有一种方法可以将密钥、值存储写入磁盘，我只是不确定如何。我试图远离像 MongoDB 这样的文档存储并保持纯粹的 Python 风格。如果有人有一些建议，我将不胜感激。

我已经为此工作了一段时间，试图创建一个频率分布数据库端：

（哇，测试用例的 180 行代码库减少到 37 行！：D - 请注意，实际的单词列表是 2900 万而不是 4 ！！！）

我意识到：

• 我不应该update_freq_dist在内循环中需要两个查询
• 有一种方法可以遍历数据库元素（行），例如：一次 5 个

但是我不确定如何解决这两个问题。

你能想出解决办法吗？