Binary 在Julia中进行频率计数的最佳方法
我在朱莉娅做频率统计Binary 在Julia中进行频率计数的最佳方法,binary,statistics,julia,counter,Binary,Statistics,Julia,Counter,我在朱莉娅做频率统计 using PyPlot import StatsBase const stb=StatsBase function getall(fname) b=Mmap.mmap(fname,Vector{Int32}) #a=open(fname) #b=reinterpret(Int32,readbytes(a)) d=stb.countmap(b) x=collect(keys(d)) & 0x7ffffff y=col
using PyPlot
import StatsBase
const stb=StatsBase
function getall(fname)
b=Mmap.mmap(fname,Vector{Int32})
#a=open(fname)
#b=reinterpret(Int32,readbytes(a))
d=stb.countmap(b)
x=collect(keys(d)) & 0x7ffffff
y=collect(values(d))
#plot(x,y,"r^")
#xlim(0,3000)
#ylim(0,3e5)
#grid("on")
return x,y
end
在python中,我使用
numpy.unique
,numpy.memmap
并获得类似的性能(550ms)。朱莉娅的代码能更快吗?有没有其他方法来计数而不是使用StatBases countmap操作是任何编程语言中的标准操作。此外,它也是“原始”的,就像排序一样,这意味着它必须对输入数据执行基本的常用操作。这类操作很难优化,因为它们在大多数语言中都是类似的操作——如果它们在源语言中速度不够快,则会调用一个专门的例程(read C/Cpp write)
朱莉娅也不例外。一些“原始”线性代数外包给高度优化的库
为了给这个答案提供一个有成效的(而且是积极的)解释,有一些算法方法来处理输入的特殊情况,这将产生比一般算法更快的速度(即使用基于哈希的计数器Dict)。在Julia中编写这些特殊情况的能力代表了它的速度和解决所谓的2语言问题的尝试
具体地说,下面尝试通过传递基于一般哈希的Dict并使用更快的简单哈希和16位查找表来优化32位单词分布不均匀的文件(例如文本文件)
在我的测试文件中,与OP中的countmap
实现相比,它实现了10%的加速
使用数据结构
函数getall4(fname)
b=Mmap.Mmap(fname,向量{UInt32})
c=零(整数,2^16)
v=数组(UInt16,2^16)
l=长度(b)
对于i=1:l
d1=b[i]&0xFFFF
d2=d1$(b[i]>>16)
如果d1==v[d2+1]
c[d2+1]+=1
其他的
c[d2+1]-=1
结束
如果(c[d2+1]>16)
如果v[d2+1]==d1
c[d2+1]+=1
结束
结束
对于i=1:l
d1=b[i]&0xFFFF
d2=d1$(b[i]>>16)
如果!(v[d2+1]==d1)
推(cc,b[(i+1)>>1])
结束
结束
x=UInt32[]
y=Int[]
对于i=1:(1BTW在post-getall4
中对二进制文件的测试得到了~3.5倍的改进!将@inbounds
和@simd
添加到getall4
中的for
循环的中,使其比问题中的getall
的性能提高了约5倍(在我的计算机上为670ms到130ms)这个问题是几年前提出的。在这期间有没有更好的解决方案?
using DataStructures
function getall4(fname)
b=Mmap.mmap(fname,Vector{UInt32})
c = zeros(Int,2^16)
v = Array(UInt16,2^16)
l = length(b)
for i=1:l
d1 = b[i]&0xFFFF
d2 = d1 $ (b[i]>>16)
if d1==v[d2+1]
c[d2+1] += 1
else
c[d2+1] -= 1
end
if (c[d2+1]<=0)
c[d2+1] = 1
v[d2+1] = d1
end
end
cc = DataStructures.counter(UInt32)
fill!(c,0)
for i=1:l
d1 = b[i]&0xFFFF
d2 = d1 $ (b[i]>>16)
if v[d2+1]==d1
c[d2+1] += 1
end
end
for i=1:l
d1 = b[i]&0xFFFF
d2 = d1 $ (b[i]>>16)
if !(v[d2+1]==d1)
push!(cc,b[(i+1)>>1])
end
end
x = UInt32[]
y = Int[]
for i=1:(1<<16)
if c[i]>0
push!(x,(UInt32(i)<<16)+v[i])
push!(y,c[i])
end
end
append!(x,collect(keys(cc.map)))
append!(y,collect(values(cc.map)))
x,y
end