作为我正在构建的测试台的一部分，我正在寻找一个简单的类来计算整数值的直方图（算法解决问题所需的迭代次数）。答案应该是这样的：
Histogram my_hist = new Histogram();
for( uint i = 0; i < NUMBER_OF_RESULTS; i++ )
{
myHist.AddValue( some_result );
}
for( uint j = 0; j < myHist.NumOfBins; j++ )
{
Console.WriteLine( "{0} occurred {1} times", myHist.BinValues[j], myHist.BinCounts[j] );
}
我很惊讶谷歌搜索并没有找到一个很好的解决方案，但也许我没有找到正确的东西。有没有通用的解决方案，还是值得我自己推出？
【问题讨论】：
你可以使用 SortedDictionary
uint[] items = new uint[] {5, 6, 1, 2, 3, 1, 5, 2}; // sample data
SortedDictionary<uint, int> histogram = new SortedDictionary<uint, int>();
foreach (uint item in items) {
if (histogram.ContainsKey(item)) {
histogram[item]++;
} else {
histogram[item] = 1;
}
}
foreach (KeyValuePair<uint, int> pair in histogram) {
Console.WriteLine("{0} occurred {1} times", pair.Key, pair.Value);
}
不过，这会留下空的垃圾箱
【讨论】：
SortedDictionary 逐一添加项目比使用普通字典并在末尾对KeyValuePair<,> 元素列表进行排序要慢得多。在 SortedDictionary 中插入和检索元素都是 O(log(N))。请参阅docs.microsoft.com/en-us/dotnet/api/… - 请参阅下面的答案以获取更快的代码示例。
根据 BastardSaint 的建议，我想出了一个简洁且相当通用的包装器：
public class Histogram<TVal> : SortedDictionary<TVal, uint>
{
public void IncrementCount(TVal binToIncrement)
{
if (ContainsKey(binToIncrement))
{
this[binToIncrement]++;
}
else
{
Add(binToIncrement, 1);
}
}
}
所以现在我可以这样做了：
const uint numOfInputDataPoints = 5;
Histogram<uint> hist = new Histogram<uint>();
// Fill the histogram with data
for (uint i = 0; i < numOfInputDataPoints; i++)
{
// Grab a result from my algorithm
uint numOfIterationsForSolution = MyAlorithm.Run();
// Add the number to the histogram
hist.IncrementCount( numOfIterationsForSolution );
}
// Report the results
foreach (KeyValuePair<uint, uint> histEntry in hist.AsEnumerable())
{
Console.WriteLine("{0} occurred {1} times", histEntry.Key, histEntry.Value);
}
我花了一段时间才弄清楚如何使它成为通用的（首先我只是覆盖了SortedDictionary 构造函数，这意味着你只能将它用于uint 键）。
【讨论】：
你可以使用 Linq：
var items = new[] {5, 6, 1, 2, 3, 1, 5, 2};
items
.GroupBy(i => i)
.Select(g => new {
Item = g.Key,
Count = g.Count()
})
.OrderBy(g => g.Item)
.ToList()
.ForEach(g => {
Console.WriteLine("{0} occurred {1} times", g.Item, g.Count);
});
【讨论】：
我实现一个简单的扩展方法来创建直方图：
public static IReadOnlyDictionary<T, int> ToHistogram<T>(this IEnumerable<T> enumerable)
=> enumerable.GroupBy(item => item).ToDictionary(grouping => grouping.Key, grouping => grouping.Count());
【讨论】：
这建立在公认的答案之上。问题是迭代地构建SortedDictionary 很慢，因为插入和检索都花费O(log(N))。
如果您不需要在累积时显示直方图，则可以避免这种情况。
我的修改使用普通的Dictionary，并且只在最后将其排序为SortedList。
对于 1000 万个项目的样本大小，这个版本大约快 11 倍（在我的机器上），代价是内存使用量稍高一些，直到 GC 启动（约 10% 额外内存）。
//generate a random sample
Random r = new Random();
var items = Enumerable
.Range(1, 10_000_000)
.Select( _ => (uint)r.Next(100_000))
.ToList();
//build the histogram using a normal dictionary with O(1) lookups and insertions.
var tempHistogram = new Dictionary<uint, int>();
foreach (uint item in items)
{
if (tempHistogram.ContainsKey(item))
{
tempHistogram[item]++;
}
else
{
tempHistogram[item] = 1;
}
}
//Sort it once. SortedList conveniently has a ctor that takes a dictionary.
var sortedHistogram = new SortedList<uint, int>(tempHistogram);
foreach (KeyValuePair<uint, int> pair in sortedHistogram.Take(100))
{
Console.WriteLine("{0} occurred {1} times", pair.Key, pair.Value);
}
对于非常大的样本（大于可用内存），有惊人的概率算法可以解决这个问题。
它们也非常适合流式传输数据。
寻找“分位数草图”。这是 Apache 基金会的一个实现：https://datasketches.apache.org/
【讨论】：