Question

我有400个文件，每个文件包含大约500000个字符，而这500000个字符只包含大约20个字母。我想制作一个直方图，表示使用的最多10个字母（x轴）和每个字母的使用次数（y轴）。我怎么能做到。

Answer 1

由于您拥有uchar数组，因此您知道您的元素将始终位于0:255范围内。在看到TamásSzabó的回答here后，我意识到文本文件中的空字符非常不可能，所以我将忽略它并使用范围1:255。如果您希望有空字符，则必须调整范围。

为了找到10个最常用的字母，我们首先计算直方图的数量，然后按降序对它们进行排序并取第10个：

counts = histc(uint8(part), [1:255]);
[topCounts, topIndices] = sort(counts, 'descend');

现在我们需要重新排列计数和索引，以便按字母顺序放回字母：

[sortedChars, shortIndices] = sort(topIndices(1:10));
sortedCounts = topCounts(shortIndices);

现在我们可以使用bar绘制直方图：

bar(sortedCounts);

（如果您希望图表中的条形图像在普通'hist'图表中那样触摸，则可以添加hist选项。）

要将水平图例从数值更改为字符，请使用sortedChars作为'XtickLabel'：

labelChars = cellstr(sortedChars.').';
set(gca, 'XtickLabel', labelChars);

Answer 2

注意：这会回答问题的原始版本（数据仅包含10个字母;需要直方图）。问题是完全改变（数据由大约20个字母组成，并且需要10个最常用字母的直方图）。

如果十个字母是任意的并且事先不知道，则您无法使用hist(..., 10)。请考虑以下示例，其中包含三个任意＆＃34;字母＆＃34;：

h = hist([1 2 2 10], 3);

结果不是您所期望的[1 2 1]。问题是hist选择等宽箱。

以下三种方法可以满足您的需求：

您可以找到unique的字母，然后与bsxfun一起使用：

letters = unique(part(:)).';             %'// these are the letters in your file
h = sum(bsxfun(@eq, part(:), letters));   %// count occurrences of each letter

上述方法的第二行可以由histc替换，指定bin边缘：
```
letters = unique(part(:)).';
h = histc(part, letters);
```

或者您可以使用sparse进行累积：

t = sparse(1, part, 1);
[~, letters, h] = find(t);

例如，对于part = [1 2 2 10]，上述任何一个都给出了预期的结果，

letters =
     1     2    10
h =
     1     2     1

matlab绘图直方图，指示文件中每个字符的总和

2 个答案: