从 Google 收藏夹的多集中找到前 N 个元素？

java guava multiset

2022-09-04 22:50:24

Google 收藏夹多集是一组元素，每个元素都有一个计数（即可以多次存在）。

我不能告诉你我想做多少次以下事情

制作直方图（正好是多集）
从直方图中按计数获取前 N 个元素

示例：前 10 个 URL（按提及的次数）、前 10 个标签（按应用次数排序）、...

在给定Google Collections Multiset的情况下，执行#2的规范方法是什么？

这是一篇关于它的博客文章，但该代码并不是我想要的。首先，它返回所有内容，而不仅仅是前 N 个。其次，它复制（是否有可能避免复制？第三，我通常想要一个确定性的排序，即如果计数相等，则决胜局。其他尼特：它不是静态的，等等。

答案 1

我编写了具有您所要求的基本功能的方法，除了它们执行复制并且缺乏确定性的断开逻辑。它们目前是Google的内部，但我们可能会在某个时候开源它们。这个番石榴问题有方法签名。

他们的算法类似于博客文章：对条目列表进行排序。使用更好的选择算法会更快，但更复杂。

编辑：自番石榴11以来，这是实施的

答案 2

为了给人们提供另一个评论的角度，我将发布我引用的博客文章的略微修改版本：

package com.blueshiftlab.twitterstream.summarytools;

import com.google.common.collect.ImmutableList;
import com.google.common.collect.Multiset;
import com.google.common.collect.Ordering;
import com.google.common.collect.Multiset.Entry;

public class Multisets {
    // Don't construct one
    private Multisets() {
    }

    public static <T> ImmutableList<Entry<T>> sortedByCount(Multiset<T> multiset) {
        Ordering<Multiset.Entry<T>> countComp = new Ordering<Multiset.Entry<T>>() {
            public int compare(Multiset.Entry<T> e1, Multiset.Entry<T> e2) {
                return e2.getCount() - e1.getCount();
            }
        };
        return countComp.immutableSortedCopy(multiset.entrySet());
    }

    public static <T> ImmutableList<Entry<T>> topByCount(Multiset<T> multiset,
            int max) {
        ImmutableList<Entry<T>> sortedByCount = sortedByCount(multiset);
        if (sortedByCount.size() > max) {
            sortedByCount = sortedByCount.subList(0, max);
        }

        return sortedByCount;
    }
}