Matlab圖形直方圖指示文件中每個字符的總和

Question

我有400個文件，每個文件包含大約500000個字符，而這500000個字符僅由大約20個字母組成。 我想制作一個直方圖，指示使用的最多10個字母（x軸）和每個字母的使用次數（y軸）。 我該怎么做。

Answer 1

由於您具有uchar數組，因此您知道元素將始終在0:255范圍內。 在這里看到TamásSzabó的答案后，我意識到在文本文件中完全不可能出現空字符，因此我將忽略它並使用范圍1:255 。 如果希望使用空字符，則必須調整范圍。

為了找到10個最常用的字母，我們將首先計算直方圖計數，然后按降序對其進行排序，並獲取前10個：

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

現在我們需要重新排列計數和索引，以按字母順序將字母放回原位：

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

現在我們可以使用bar繪制直方圖：

bar(sortedCounts);

（您可以添加'hist'如果你想在觸摸就像他們在正常做圖的酒吧選項hist情節。）

要將水平圖例從數字值更改為字符，請使用sortedChars作為'XtickLabel' ：

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

Answer 2

注意 ：這將回答問題的原始版本 （數據僅包含10個字母；需要直方圖）。 該問題已完全更改 （數據由大約20個字母組成，並且需要10個最常用字母的直方圖）。

---

如果十個字母是任意的並且事先未知，則不能使用hist(..., 10) 。 考慮以下帶有三個任意“字母”的示例：

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

結果不是您期望的[1 2 1] 。 問題在於hist選擇等寬的 bin。

以下是三種您可以做的事情：

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替換，指定bin邊緣：

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

3. 或者您可以使用sparse來進行累加：

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

例如，對於part = [1 2 2 10] ，以上任何一項都給出了預期的結果，

letters =
     1     2    10
h =
     1     2     1