Algorithm 有没有更好的方法来计算文件中所有符号的频率？

好的，假设我有一个文本文件（不一定包含所有可能的符号），我想计算每个符号的频率，在计算频率之后，我需要访问每个符号及其频率，从最频繁到最不频繁。符号不一定是ASCII字符，它们可以是任意字节序列，尽管长度相同

我正在考虑这样做（在伪代码中）：

---

我想知道：有没有更好、更简单的方法来计算和存储文件中每个符号出现的次数

您始终可以使用HashMap作为堆的索引。这样，您将对找到的每个符号执行O（1）中的操作，而不是O（logn），其中n是堆上当前的项数

但是，如果不同符号的数量限定在一个合理的数字范围内（1字节是理想的，2字节应该还可以），您可以只使用该大小的数组，并再次使用O（1），但固定成本要低得多。

如果您正在寻找基于运行时间的“最佳”解决方案，我建议如下：

在读取文件时，您应该按照符号本身的值而不是频率对符号进行排序（或散列）。这样，您就可以在已看到的符号列表中快速找到当前符号，而无需搜索整个列表。您还应该具有能够执行快速插入的初始结构-我建议使用哈希的二叉树

阅读完所有符号后，应根据频率计数切换顺序。我会将所有内容读入一个数组，然后执行就地排序，但有很多相同的方法可以做到这一点

---

希望这有帮助

似乎您有两种选择，hashmap为您提供O（1）频率检索，但没有有序（最频繁到最不频繁）结果，或O（lg n）插入并使用搜索树/堆进行搜索，但为您提供有序（最频繁到最不频繁）结果。二进制堆不是一种特别好的数据结构，因为在堆中查找任意节点相当昂贵。您最好使用二叉树，或者像其他人指出的那样，使用某种哈希表。

function add_to_heap (symbol)
    freq = heap.find(symbol).frequency
    if (freq.exists? == true)
        freq++
    else
        symbol.freq = 1
        heap.insert(symbol)

MaxBinaryHeap heap
while somefile != EOF
    symbol = read_byte(somefile)
    heap.add_to_heap(symbol)
heap.sort_by_frequency()

while heap.root != empty
    root = heap.extract_root()
    do_stuff(root)