Matlab图形直方图指示文件中每个字符的总和

Question

我有400个文件，每个文件包含大约500000个字符，而这500000个字符仅由大约20个字母组成。 我想制作一个直方图，指示使用的最多10个字母（x轴）和每个字母的使用次数（y轴）。 我该怎么做。

Answer 1

由于您具有uchar数组，因此您知道元素将始终在0:255范围内。 在这里看到TamásSzabó的答案后，我意识到在文本文件中完全不可能出现空字符，因此我将忽略它并使用范围1:255 。 如果希望使用空字符，则必须调整范围。

为了找到10个最常用的字母，我们将首先计算直方图计数，然后按降序对其进行排序，并获取前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，以按字母顺序将字母放回原位：

[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);

（您可以添加'hist'如果你想在触摸就像他们在正常做图的酒吧选项hist情节。）

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

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

Answer 2

注意 ：这将回答问题的原始版本 （数据仅包含10个字母；需要直方图）。 该问题已完全更改 （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未知，则不能使用hist(..., 10) 。 考虑以下带有三个任意“字母”的示例：

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

结果不是您期望的[1 2 1] 。 问题在于hist选择等宽的 bin。

以下是三种您可以做的事情：

1. 您可以找到具有unique的字母，然后使用bsxfun ：

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

2. 以上方法的第二行可以由histc替换，指定bin边缘：

    letters = unique(part(:)).'; h = histc(part, letters); 

3. 或者您可以使用sparse来进行累加：

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

例如，对于part = [1 2 2 10] ，以上任何一项都给出了预期的结果，

letters =
     1     2    10
h =
     1     2     1