Question

我根据以下输入分布生成霍夫曼代码：

a = [(1,0.5),(0,0.25),(0,0.125),(0,0.125)]
b = [(0,0.5),(1,0.25),(0,0.125),(0,0.125)]

唯一的区别是1是在不同的bin中。

但是当我使用以下函数对它们进行编码时：

def encode(symbfreq):
    tree = [[wt, [sym, ""]] for sym, wt in symbfreq]
    heapq.heapify(tree)
    while len(tree)>1:
        lo, hi = heapq.heappop(tree), heapq.heappop(tree)
        for pair in lo[1:]:
            pair[1] = '0' + pair[1]
        for pair in hi[1:]:
            pair[1] = '1' + pair[1]
        heapq.heappush(tree, [lo[0] + hi[0]] + lo[1:] + hi[1:])
    return sorted(heapq.heappop(tree)[1:], key=lambda p: (len(p[-1]), p))

我为分发获得了不同的代码字：

a = [[1, '1'], [0, '00'], [0, '010'], [0, '011']]

虽然

b = [[0, '0'], [1, '11'], [0, '100'], [0, '101']]

为什么我会有这种差异？

供参考：我需要将树分成左右分支（基于左分支，以1开头，右边为0）作为尝试找到1.在第一种情况下，我的算法应该需要1次迭代，然后是第2次2.但是，因为每个bin都返回的代码字不同，每次两个版本当前都需要2次迭代才能找到1 - 这不是我想要的！

Answer 1

尽管它们看起来不同，但结果是正确的，并且等效。

您可以通过对lo和hi分支进行排序来使它们看起来相同，这样您就可以通过替换以下内容将1添加到更大的分支：

lo, hi = heapq.heappop(tree), heapq.heappop(tree)

使用：

lo, hi = sorted([heapq.heappop(tree), heapq.heappop(tree)], key=len)

结果

>>> encode(a)
3: [[1, '0'], [0, '10'], [0, '110'], [0, '111']]
>>> encode(b)
4: [[0, '0'], [1, '10'], [0, '110'], [0, '111']]

为什么标签排列会产生不同的霍夫曼代码？

1 个答案: