數組類似性計算

原由：有一師弟報考一老師，老師發來的測試題目。（應該是測試他的邏輯能力？）

題目：數據有: (1) P.txt文件， 內含從小到大排序的1萬個數組; (2) S.txt文件， 內含從小到大排序的1千個數組。兩個文件格式均爲:(1)每一個數組開始爲#00001，也就是讀到一-行開始爲#能夠記爲讀到一個新數組。(2)小數點前有3到4位數字，小數點後有固定的5位數字。(3) 以/n換行。示意以下:

#00001

100.00001

100.10001

……

1999.00005

#00002

100.00002

100.10002

1999.00006

……

#10000

100.00010

……

1999.00040

 

二、對於S.txt中的每一一個數組，在P.txt中尋找「 最類似」的數組，返回1千個編號(P.txt中的第幾個數組)及「類似度」。每一個結果佔- -行，以\n結尾，每行第一個數字爲編號(一個整數)，第二個數字爲類似度(一個整數)，中間用\t分隔，共1千行，存爲R.txt。輸入相同的P.txt和S.txt,不一樣人寫的程序輸出的R.txt應該是如出一轍的。R.txt格式示意以下:

3282288

4899152

5814124

4322124

......

三、"類似」的定義:兩個數組裏面有幾個數字數值相差0.01之內。如S.txt中數組爲[100,200,300]，P.txt中數組爲[200.00001 ,300.00001,1000]，這兩個數組類似度爲2。「最類似」即爲數值相差0.01之內的數字最多。注意，S.txt和P.txt數組裏的數字只能用於計算一次類似度，不能重複計數，找數值最相近的數字進行計數。如S.txt中數組爲[200,300]，P.txt中數組爲[200.00001 ,200.00002,1000]，這兩個數組.類似度爲1。

要求：語言不限，輸出計算結果。

這裏簡單說下個人思路，有更好的歡迎你們討論下。

P => database

S => search data

{100.12345 : #P1} 正方向

{100.12346 : #P1}

......

{100.13345 : #P1}

-------------------

{100.11345 : #P1} 負方向

{100.11346 : #P1}

......

{100.12345 : #P1}

這裏把 P 中每個數值的正負 0.01 範圍內的數值所有遍歷出來存成字典的形式。問題是，小數點後面保留了 5 位數，這樣遍歷存字典的操做會給計算時的儲存帶來很大壓力。並且在遍歷生成正負 0.01 範圍內的數的時候也在浪費着計算時間。因此這個方法只是在最後的輸出時節省了大量的時間。但總體上並無正真的作到「快速計算」。

如今對於每一個原始數值只保留兩位小數如 100.12345 => 100.12，並將小數點後第三位數值信息保留在字典的值中，如：

{100.12 : 3#P1}

這時的key中少了上述步驟中的  100.11 的鍵值對，也少了 100.13 的鍵值對，因此將其增長進去並從新定義：

{100.11 : 3#P1} 降格 => {100.11 : jg3#P1}

{100.12 : 3#P1} 零格 => {100.12 : lg3#P1}

{100.13 : 3#P1} 升格 => {100.12 : sg3#P1}

取S中一數組的值 (記爲s) 進行類似比較：

if(s == 100.11){

  s 小數點第三位 > 3 (原始數據小數點後第三位)

  print "類似度 + 1"

}

------------------------------------

if(s == 100.12){

  print "類似度 + 1"

}

------------------------------------

if(s == 100.13){

  s小數點第三位 < 3 (原始數據小數點後第三位)

  print "類似度 + 1"

}

------------------------------------

因爲上述的字典中極可能是一對多的對應關係，因此將 jg，lg 和 sg 這些信息記錄下來，方便比較時確實這個 key 是原始數據的保留小數點後兩位的結果仍是經過升降 0.01 後獲得的結果。

以後的輸出並比較選擇出最類似的過程，這裏省略。歡迎有其餘算法進行討論交流。