Perl命中计数器用于多个范围，其他语言中的选项？

回来征求你的意见。我已经编写了一个perl脚本，它将特定数字的点击数计算到用户定义的容器中。例如，这是我的数据文件：

12
14
15
20
21

我想知道我在以下范围内的点击率：

1-19
20-29
30-39

所以结果会是这样的

1-19    3
20-29   2
30-39   0

我首先将数据保存到一个散列（datahash），然后将我的范围保存到另一个散列（rangehash），然后基本上检查datahash中的所有数据点，并检查值是否在rangehash的范围内

问题是，对于datahash中的每个数据点，我循环遍历所有rangehash值，并在找到数据点所在的范围后退出。这对于一些数据点来说是好的，但是现在我有至少200万个数据点和50000个范围的文件，所以循环所有这些只需要永远

我想知道是否有人会有更好的解决方案，而不仅仅是在整个过程中循环。对其他语言的建议很受欢迎

最好的

---

Sakti最简单的方法可能是将数字与散列相加，然后将相应范围的散列切片相加。您还可以使用数组而不是散列，因为您可以使用数字作为索引。这可能会创建非常大的空哈希，这是浪费，但它简化了密钥生成，因为坏索引会发出警告

use strict;
use warnings;
use List::Util 'sum';

my %nums;
while (<DATA>) {
    s/\D+//g;     # remove junk
    $nums{$_}++;  # count number
}
my $low = 1;
for my $high (qw(19 29 39)) {
    my $sum =  sum(0,                      # to avoid undef return value
                   grep defined,           # avoid uninitialized warnings
                   @nums{$low .. $high});  # hash slice for our range
    print "$low - $high : $sum\n";
    $low = $high + 1;                      # set new low range
}

__DATA__
12
14
15
20
21

---

以下速度将非常快，尽管它假定不会出现零：

my @buckets = (0) x 4;
++$buckets[ $_ / 10 ] while <>:
print " 1-19: ".( $buckets[0] + $buckets[1] )."\n";
print "20-29: $buckets[2]\n";
print "30-39: $buckets[3]\n";

my@bucket=（0）x 4；
++$bucket[$\u10]同时：
打印“1-19:”。（$bucket[0]+$bucket[1]）。“\n”；
打印“20-29:$bucket[2]\n”；
打印“30-39:$bucket[3]\n”；

以下更通用的解决方案实际上可能更快：

use List::Util qw( sum );
++$counts[$_] while <>:
print " 1-19: ".( sum 0, @counts[ 1..19] )."\n";
print "20-29: ".( sum 0, @counts[20..29] )."\n";
print "30-39: ".( sum 0, @counts[30..39] )."\n";

use List:：Util qw（sum）；
++$counts[$\ux]同时：
打印“1-19:”（总和0，@counts[1..19]）。“\n”；
打印“20-29:”（总和0，@counts[20..29]）。“\n”；
打印“30-39:”（总和0，@counts[30..39]）。“\n”；

这仅适用于用户定义的BIN，即无法轻松计算为

int（$x/100）*100

或类似值的BIN

最近在这里或perlmonks上也有一个类似的问题（我很难找到），IMO的最佳答案是“排序垃圾箱的上限，然后使用二进制搜索”

对于50K箱，如果每个数据点有16个

if

s，这可能是正常的（当然不是“永远”）

---

根据数据的不同，可以应用一些缓存来进一步提高速度。例如，可以将数据四舍五入到预期间隔的1/1000（最后一个料位-第一个料位），只检查覆盖该部分的料位。（这是我编造的，但可能有用，也可能无效。）

谢谢TLP！我们将对此进行测试，并检查它如何减少计算时间，谢谢！交叉张贴在。初始化阵列是多余的<代码>++将自动将undef转换为0。另外，

map 0，0..3

aka

（0）x 4

。您可能也不打算使用

%

，但@TLP使用

/

，这并不是多余的，因为它可以防止打印undef的尝试。

use List::Util qw( sum );
++$counts[$_] while <>:
print " 1-19: ".( sum 0, @counts[ 1..19] )."\n";
print "20-29: ".( sum 0, @counts[20..29] )."\n";
print "30-39: ".( sum 0, @counts[30..39] )."\n";