Python 对传入二进制输入进行分组的有效方法

我有一个源代码，它以

000001010,000

的形式随机生成二进制输出字符串

我想要一些散列或聚类程序，根据与其他输入不同的位数将输入分组，例如输入流000、001和010，由于它们相差一位，因此应全部进入相同的桶/簇

我最初的想法是将输入的第一个连续位组合成一个，例如

000
001
010

合并成一个。接下来是：

011
100
101

等

但我很快意识到边界之间有相似之处，比如

000

和

1000

应该属于同一个桶，而

011

和

000

应该属于不同的桶

我怎样才能做到这一点？暗示

---

詹姆斯使用格雷码

反射二进制码，也称为弗兰克·格雷之后的格雷码，是一种二进制数字系统，其中两个连续值仅在一位上不同

这将导致三位（以及相关整数-这不是默认的二进制编码！）的顺序如下：

然后将数据按所需的桶数线性拆分

---

或者，您可能还想看看校验和和纠错码。

对不起，对于您的特殊情况，我没有找到一个函数，但在这里您可以得到一些启示：

如果你想拥有一个依赖于一个数字的bucket函数，你可以这样做：

def bucket(i):
    bucket = 0
    bit = 1
    while bit <= i:
        if bit & i > 0:
            bucket += 1
        bit <<= 1 # shift the bit 1 higher
    return bucket

---

如果你在谷歌上搜索“在线集群”，这应该会给你一些想法。这在数学上不可行吗。如果我误解了你，请纠正我：你想把“000”和“010”放在同一个桶里（一点区别）。您希望“010”和“011”在同一个存储桶中（一个位差）。因此，“000”和“011”也将在同一个桶中，但根据您的规范，这是不允许的。@NPE，@Anony mouse感谢这两个。我在网上读了一点，发现我可以尝试XOR函数。e、 g如果不同位的数量为2，那么XOR将按如下方式对输入进行聚类：

（00001110110）

和

（001010、100、111）

，因为它们对应的XOR函数将产生2位1。然后，我的问题仍然是如何使用这种技术，以便在新的二进制流到达时，将它们定向到有效的clustersWell，然后尝试使用格雷码。将位字符串映射到整数，并使用

decode（bitstring）/bucketsize

作为存储桶编号…我将尝试并在明天更新。现在差不多是午夜了，为了让我更清楚，我应该将二进制代码转换成格雷码，然后得到它的整数值，并使用整数值进行散列？如果位字符串还不是整数，请将其转换为整数。然后将它从一个灰色编码的整数解码为一个本机系统整数（这样你就可以用它做数学运算了）。只需在上面的例子中尝试一下。。。位字符串应该给出您想要的结果，可能您希望前三个变为0，后三个变为1，以此类推。

def bucket(i):
    bucket = 0
    bit = 1
    while bit <= i:
        if bit & i > 0:
            bucket += 1
        bit <<= 1 # shift the bit 1 higher
    return bucket

def bucket(i, x):
    # perform some operation, store it in i
    bucket = 0
    bit = 1
    while bit <= i:
        # you can compare bits here
        if bit & i > 0:
            bucket += 1
    bit <<= 1
    return bucket

buckets = {}
for number in numbers:
    numberBucket = bucket(number)
    buckets.setdefault(numberBucket, [])
    buckets[numberBucket].append(number)