在 C++ 中使用向量的哈希/映射进行自动聚类答案

【问题标题】：Automatic Clustering With Hash/Map of Vectors in C++在 C++ 中使用向量的哈希/映射进行自动聚类
【发布时间】：2011-01-02 09:20:02
【问题描述】：

例如，我有以下值：

0 0 0 1 3 2

这些值是指集群 ID，其中集群的成员是向量的索引。因此我们想要得到这样的输出：

Cluster 0 -> 0,1,2
Cluster 1 -> 3
Cluster 2 -> 5
Cluster 3 -> 4

我尝试了以下构造，但它似乎不起作用：有什么办法呢？

#include <iostream>      
#include <vector>        
#include <fstream>
#include <sstream>
#include <map>
using namespace std;

int main  ( int arg_count, char *arg_vec[] ) {
    if (arg_count !=2 ) {
        cerr << "expected one argument" << endl;
        return EXIT_FAILURE;      
    }

    string line;
    ifstream myfile (arg_vec[1]);

    map <int, vector <int> > CCTagMap;

    if (myfile.is_open())
    {
        // Skip First Line        
        getline(myfile,line);     

        while (getline(myfile,line) )
        {
            stringstream ss(line);    
            int CcId;
            int TagId = -1;           



            vector <int> Temp;        

            while (ss >> CcId) {      
                TagId++;
                cout << CcId << "-" << TagId <<  endl; 

                # this way to cluster doesn't seem to work
                CCTagMap.insert(make_pair(CcId,Temp.push_back(TagId)));
            }


        }
        myfile.close();
    }
    else  { cout << "Unable to open file\n";} 
    return 0;
}

【问题讨论】：

标签： c++ data-structures hash map vector

【解决方案1】：

您每次插入时都会覆盖向量。你可以做的是：

map <int, vector <int> >::iterator iter = CCTagMap.find(CcId);
if(iter == CCTagMap.end())
{
  vector <int> Temp;  
  temp.push_back(TagId);
  CCTagMap[CcId] = temp;
}
else
{
  iter->second.push_back(TagId);
}

【讨论】：

【解决方案2】：

我想我会发布一个提高性能的解决方案（请记住，根据 Knuth 的说法，您应该始终尝试尽快优化一个解决方案！除非我弄错了 ;)）。

CCTagMap[CcId].push_back(TagId);

是的，我真的认为我应该指出这个解决方案......

节省一些输入
更高性能：仅一次查找，而不是一次查找和一次插入。不是临时的（尽管它们可能无论如何都会被优化）。
惯用语？

对于这里发生的事情的分解视图：

std::vector<int>& CcVector = CcTagMap[CcId]; // [1]
CcVector.push_back(TagId);                   // [2]

map::operator[] 是一个变异运算符：它返回为此键存储的元素，或者如果不存在则插入一个新的默认构造元素。然后它返回对元素的引用（无论是否新）。
我们使用直接push_back 的参考，既漂亮又干净。

【讨论】：

【解决方案3】：

你做错的是每次都重写地图中的向量。

代替：

CCTagMap.insert(make_pair(CcId,Temp.push_back(TagId)));

试试：

if ( CCTagMap.find( CcId ) == CCTagMap.end() )
{
    CCTagMap.insert(make_pair(CcId,vector<int>()));
}
CCTagMap[CcId].push_back( TagId );

甚至更好，

map <int, vector<int> >::iterator iter = CCTagMap.find(CcId);
if ( iter == CCTagMap.end() )
{
    CCTagMap.insert(make_pair(CcId,vector<int>())).first->second.push_back( TagId );
}
else
{
    iter->second.push_back( TagId );
}

【讨论】：

我忍不住发出 map::insert(value_type) 返回迭代器的信号，因此您可以在 if 块内分配给 iter 并且只有一次 ->second.push_back(TagId) 位（并且没有 @987654328 @ 子句）......但这可能是挑剔的：P

【解决方案4】：

这个怎么样？而不是你的CCTagMap，定义：

std::vector<std::vector<int> > clusters;

然后为每个TagId 和CcId 做：

if (clusters.size() <= CcId)
  clusters.resize(CcId + 1);
clusters[CcId].append(TagId);

【讨论】：