R：字符串的快速散列到整数模n？答案

【问题标题】：R: Fast hashing of strings to integer modulo n?R：字符串的快速散列到整数模n？
【发布时间】：2018-05-12 13:37:55
【问题描述】：

我有一个字符串向量，我想将每个元素单独散列为以 n 为模的整数。

在this SO post 中，它建议使用digest 和strotoi 的方法。但是当我尝试它时，我得到 NA 作为返回值

library(digest)
strtoi(digest("cc", algo = "xxhash32"), 16L)

所以上面的方法是行不通的，因为它甚至不能产生一个整数，更不用说模一了。

对于某些 n，将大型字符串向量散列为整数模 n 的最佳方法是什么？由于向量很大，因此非常欢迎高效的解决方案。

【问题讨论】：

标签： r hash

【解决方案1】：

R 使用 32 位整数作为整数向量，因此可表示整数的范围被限制在 +/-2*10^9 左右。 strtoi 返回 NA 因为数字太大。

Rmpfr 包中的 mpfr 函数应该适合您：

mpfr(x = digest("cc`enter code here`", algo = "xxhash32"), base = 16)
[1] 4192999065

【讨论】：

【解决方案2】：

我使用SO post 中的代码创建了一个Rcpp implementation，即使对于较大的字符串向量，生成的代码也非常快。

使用它

if(!require(disk.frame)) devtools::install_github("xiaodaigh/disk.frame")
modn = 17
disk.frame::hashstr2i(c("string1","string2"), modn)

【讨论】：