Question

想象一下，您有一个数字（或字母）列表，例如

1177783777297461145777267337774652113777236237118777

我想在此列表中找到最常见的数字组合：

对于1位长组合 - 它是此列表中最常用的数字

用于2位数长组合 - 可能是'11'

用于3位数长组合 - 可能是'777'等

这样的任务是否有一些特殊的算法？

UPDATE 好吧，我自己编写了以下（Java）。看起来执行时间与数据大小乘以模式大小成正比：

public static void main(String[] args)
{
    int DATA_SIZE = 10000;
    int[] data = new int[DATA_SIZE];
    for (int i = 0; i < DATA_SIZE; i++)
    {
        data[i] = (int) (10 * Math.random()) % 10;
        System.out.print(data[i]);
    }

    int[] pattern1 = new int[]{1, 2, 3};
    int[] pattern2 = new int[]{7, 7, 7};
    int[] pattern3 = new int[]{7, 7};

    System.out.println();
    System.out.println(match(data, pattern1));
    System.out.println(match(data, pattern2));
    System.out.println(match(data, pattern3));
}

static int match(int[] data, int[] pattern)
{
    int matches = 0;
    int i = 0;
    while (i < data.length)
    {
        matches = isEqual(data, i, pattern) ? matches + 1 : matches;
        i++;
    }
    return matches;
}

static boolean isEqual(int[] a, int startIndex, int[] a2)
{
    if (a == a2)
    {
        return true;
    }
    if (a == null || a2 == null)
    {
        return false;
    }

    for (int i = 0; i < a2.length; i++)
    {
        if (a[startIndex + i] != a2[i])
        {
            return false;
        }
    }

    return true;
}

Answer 1

这可以在二次时间内完成，但我对更快的方法感到好奇。这个想法是迭代可能的长度值k = 1..N，并在每个迭代循环中通过字符串找到最常见的长度为k的序列。

内部循环可以使用哈希表有效地计算频率。

Answer 2

只需通过已经找到的最频繁组合的变量数组和辅助哈希表，其中键是搜索模式，值是输入数据中出现的数量。当您找到下一个模式时，请在哈希表中增加该值，并在必要时增加当前最频繁组合的值。

Answer 3

要在长度为n的字符串中查找长度至少为k的序列的最大重复次数，可以在线性时间内构建后缀树（http://en.wikipedia.org/wiki/Suffix_tree），然后找到最多的节点从根开始描述长度为k（或更长）的序列的儿童。

总的来说，这是输入字符串长度的线性时间。

对于小k，你最好用一个天真的算法：

from collections import Counter

def input(s, k):
    c = Counter()
    for i in xrange(len(s) - k):
        c[s[i : i + k]] += 1
    return c.most_common(1)[0][0]


for k in xrange(1, 4):
    print input('1177783777297461145777267337774652113777236237118777', k)

Answer 4

REGEX - 高效率地解决您的问题

http://www.vogella.com/articles/JavaRegularExpressions/article.html

检查它会对你有所帮助。如果你仍然无法通过lemme知道，生病的帮助

如何在列表中找到最常见的数字组合？

4 个答案: