本篇教程介绍了大数据统计分析 上千万或上亿数据如何统计其中出现次数最多的N个数据，希望阅读本篇文章以后大家有所收获，帮助大家对大数据云计算大数据分析的理解更加深入。

<

上千万或上亿的数据，现在的机器的内存应该能存下。所以考虑采用hash_map/搜索二叉树/红黑树等来进行统计次数。然后就是取出前N个出现次数最多的数据了，可以用第2题提到的堆机制完成。


#include "IOSTREAM"
#include<hash_map>
#include<string>
#include<map>
using namespace std;

int main(void)
{
 //海量待统计数据
 char* a[5]={"ab","b","ccc","ab","ccc"};


 //哈希映射统计频率
 hash_map<char *,int> hp;
 for(int i=0;i<5;i++)
 {
  if(hp.find(a[i])!=hp.end())
  {
   hp[a[i]]++;
  }
  else
  {
   hp[a[i]]=1;
  }
 }


 //对字符串按出现频率排序
 multimap<int,char*> m;
 hash_map<char*,int>::iterator it;
 for(it=hp.begin();it!=hp.end();it++)
  m.insert(pair<int,char*>(it->second,it->first));


 //输出出现频率最高的两个字符串
 multimap<int,char*>::iterator t=m.end(); 
 for(int i=1;i<=2;i++)
 {
  t--;
  cout<<t->second<<endl;
 }

}


   

本文由职坐标整理并发布，希望对同学们有所帮助。了解更多详情请关注职坐标大数据云计算大数据分析频道！