我應該使用哪種類型的稀疏向量？

Question

數據

我有N索引的不同（排序）向量（ std::vector<unsigned int> ）。 索引在[0; L-1]。 這是有關此數據的兩個經驗法則：

• 任何地方僅存在約0.1％到10％的可能指數
• 如果在給定向量中找到索引，則可能會在其他向量中再次找到索引。

因此，具有N=10向量和L = 200的可能數據集可能是

{45, 110, 119, 145, 170}
{9, 45, 110, 145, 178, 170}
{45, 145}
{45, 178, 183}
{45, 53, 110, 170}
{9, 119, 123, 179}
{9, 45, 119, 130, 131, 170, 190, 199}
{9, 45, 110, 170, 199}
{31, 45, 145}
{9, 178, 183}

目標

我想計算每個索引的頻率。 我會做類似的事情

std::vector<double> computeFrequencies(std::vector<std::vector<unsigned int>>& data)
{
    assert(data.size() == N);

    std::vector<double> frequencies(L);
    for (unsigned Ni = 0 ; Ni < N ; Ni++)
    {
        for (unsigned i = 0 ; i < data[Ni].size() ; i++)
        {
            assert(data[Ni][i] < L)
            frequencies[data[Ni][i]]++;
        }
    }

    for (unsigned i = 0 ; i < L; i++)
    {
        frequencies[i] /= (double) N;
    }

    return(frequencies);    
}

然后，我將再次循環遍歷一次由computeFrequencies函數返回的對象。

for (unsigned i = 0 ; i < L; i++)
{
    foo(frequencies[i]);
}

題

對象frequencies包含很多零，因此我應該使用稀疏矢量。 我對稀疏矩陣了解不多。 我應該使用哪種類型的稀疏向量？

我正在考慮使用boost::numeric::ublas::coordinate_matrix<double><double>因為當我遍歷所有N向量時，我會不斷添加新的非零值，並且我認為坐標矩陣將非常適合處理接着就，隨即。 請注意，通常來說，對於此功能，我更擔心RAM的使用而不是計算時間。

Answer 1

看起來稀疏的向量表示形式不太適合您的問題。

要完成您描述的任務：

1. 將已排序的向量合並到單個已排序的向量中。 時不時地在這里彈出如何進行有效的K向合並： 使用K向合並合並N個排序的文件
2. 遍歷新向量，並計數每個條目的重復項數量（這很容易，因為它們將在一起），以獲取您的頻率並在您使用時對其進行foo 。

您甚至可以同時執行兩個步驟，完全避免了將數據復制到新結構中的需要。