我正在尝试编写一个程序，该程序读取包含数千个字符串的每个字符串（每个字符串长度为9个字母），仅由字母A，C，G和T组成（即DNA序列）
现在，在9个字母的字符串中当然有4 ^ 9种可能的A，C，G和T组合。我需要知道每个262144组合在我的.txt文件中出现的频率。
我的问题是，我（显然）不想初始化262144个别变量，在找到匹配项时逐渐增加，然后单独打印它们，因为那样会很疯狂。
所以，我的想法是创建某种树，根据每个节点遇到的字母沿着树枝向下，并存储每个分支“向下”的次数。 （即每个可能的9个字母的组合）在最后一个节点。
或262144个位置的数组，我可以存储每个可能组合的出现次数。然而，为此，我需要某种非冗余系统，根据在9-中哪个序列中遇到哪些字母，选择阵列中的唯一位置（以存储组合遇到的次数）。字母串。
例如：对于每个＆＃39; A＆＃39;遇到9个字母的字符串，我增加了我的指针变量＆＃39; （它指向大数组中的位置）为0，因此每次遇到序列AAAAAAAAA时，我的数组的位置[0]增加1.对于每个＆＃39; T＆＃39;我将指针递增1，因此TTTTTTTTT会将数组的位置[9]递增1，依此类推。
然而，这给了我一个问题，即序列AAAAAAAAT和TAAAAAAAA（以及8 As和1T的所有其他组合）都将增加阵列的位置[1]。所以我必须使用某种系统，其中指针实际上可以实际到达0到262143之间的每个值？我确定有更好的方法吗？多维数组或类似的东西？
祝你好运， rokyo
答案 0 :(得分：2)
您希望将其存储为深度为9的树，每个节点可以有4个子节点，只是下一个字母的4种可能性中的每一种。每片叶子都有一个柜台。当你建造了你的树，经过所有的树叶，这将给你计数。
所以它会像这样工作： 按顺序阅读。 对于序列中的每个字符，选择正确的子项，如果不存在则创建节点。如果确实如此，那就去找孩子。 如果您位于字符串的末尾，则更新节点中的计数。 循环回读序列。
读取所有序列后，构建树。 通过树迭代，如果它是一片叶子（没有孩子），那么吐出计数。
这种方法的好处是，如果数据的大小发生变化，或者每个序列的长度仍然有效。这是树的典型用法。
答案 1 :(得分：1)
为什么是多维的。如果你想计算只是编码成一个整数并在262143整数数组中增加位置。
如何对字符串进行编码：将这4个字母视为具有2个位置的二进制数字。所以你需要18位代表一个组合。
A - 00
C - 01
G - 10
T - 11
AAAAAAAAA - 000000000000000000
ACACACACA - 000100010001000100 - 17476
GAAAAAAAA - 100000000000000000 - 131072
TAAAAAAAA - 110000000000000000 - 196608
AAAAAAAAT - 000000000000000011 - 3
内存中的数组取决于您要处理的最大出现次数。如果4亿就足够了，你需要大约1兆字节的内存来代表这个＆＃34;计数器＆＃34; -array。
每次计数访问都是O（1）。