Python 什么'；对有限集合中的符号列表进行编码的最简洁的方法是什么？

我感兴趣的是用最少的字节数表示有限集合中的符号序列

例如，假设您有一个只包含字符a-z的文本字符串。您可以将它们编码为ascii，因此每个符号（字符）有1个字节。然而，通过这样做，每个字节只能使用256个值中的26个

我已经编写了一个解决方案，似乎效果很好，但我想知道是否有人知道或者可以想出更好的方法

我的方法是将序列视为以n为基数的整数，其中n是

符号集的大小+1

。例如，如果您的集合或符号，或“字母表”是

{a，b，c}

（长度3），那么我们将使用基数4。符号被分配了数值，因此

{a=>1，b=>2，c=>3}

。因此，序列

[b，a，c]

被视为基数为4的数字213，十进制为39。这个整数可以用二进制编码，并解码回它的基4表示形式，以检索序列

2,1,3=>[b，a，c]

我的上述Python实现：

所以我的问题是，有没有比我描述的更节省空间的编码有限集合中元素列表的方法？

使用基数n，其中n是符号数（例如，

{a=>0，b=>1，c=>2}

）。如果每个符号出现的可能性相等，则该方法是最佳的。（当然，您还必须存储字符串的长度。顺便说一下，您的实现使用Python字符串；这些绝对不是您能找到的最节省空间的数据结构。）

如果符号的频率不同，并且您知道它们，则可以使用。如果你不知道频率，那就没有了

无论如何，最好的方法取决于应用程序。

使用基数n，其中n是符号数（例如，

{a=>0，b=>1，c=>2}

）。如果每个符号出现的可能性相等，则该方法是最佳的。（当然，您还必须存储字符串的长度。顺便说一下，您的实现使用Python字符串；这些绝对不是您能找到的最节省空间的数据结构。）

如果符号的频率不同，并且您知道它们，则可以使用。如果你不知道频率，那就没有了

---

无论如何，最好的方法取决于应用程序。

因此，对于26个符号，您将使用基数32？对于26个符号，我将使用基数27。使用的基数为符号数+1。这是因为0不能用作“000”与“0”或“00”相同。参见Petr的答案。你可以用基数26来表示26个符号。我的问题是：你为什么想要这个？这听起来像是一种尝试或学术练习，我不想在代码中使用这两种练习。“000”与“00”或“0”不同。这似乎只是因为您避免了对编码序列的长度进行编码，而是依赖Python整数或字符串来存储结果，而不考虑它们的空间开销（以及它们为什么需要它们）。对于一个更节省空间的方法，我会先阅读算术编码。所以，对于26个符号，你会使用基数32？对于26个符号，我会使用基数27。使用的基数为符号数+1。这是因为0不能用作“000”与“0”或“00”相同。参见Petr的答案。你可以用基数26来表示26个符号。我的问题是：你为什么想要这个？这听起来像是一种尝试或学术练习，我不想在代码中使用这两种练习。“000”与“00”或“0”不同。这似乎只是因为您避免了对编码序列的长度进行编码，而是依赖Python整数或字符串来存储结果，而不考虑它们的空间开销（以及它们为什么需要它们）。对于一个更节省空间的方法，我将从阅读算术编码开始。谢谢，这很有意义。我不担心Python数据结构，因为我只是使用代码提前组装一个文件，这只是我考虑的文件中原始数据的大小。谢谢，这很有意义。我并不担心Python的数据结构，因为我只是使用代码提前组装一个文件，我考虑的只是文件中原始数据的大小。