clojure - 如何计算包含 NaN 的序列的频率？

Question

当用于包含 NaN 的序列时，frequencies 的结果是错误的，例如:

=> (frequencies [Double/NaN Double/NaN])
{NaN 1, NaN 1}

而不是预期的{NaN 2}。

此外，运行时间从预期/平均 O(n) 恶化到最坏情况 O(n^2)，例如

=> (def v3 (vec (repeatedly 1e3 #(Double/NaN))))
=> (def r (time (frequencies v3)))
"Elapsed time: 36.081751 msecs"
...
=> (def v3 (vec (repeatedly 1e3 #(Double/NaN))))
=> (def r (time (frequencies v3)))
"Elapsed time: 3358.490101 msecs"
...

即10 倍的元素需要 100 倍的运行时间。

当序列中存在 NaN 时，如何使用(预期/平均)O(n) 运行时间计算频率？

<小时/>

作为旁注:

 => (frequencies (repeat 1e3 Double/NaN))
 {NaN 1000}

产生预期的结果，可能是因为序列中的所有元素都是同一对象的引用。

Answer 1

NaN 在许多编程语言中都非常奇怪，部分原因是 float 的 IEEE 754 标准定义 NaN 不应该等于任何东西，甚至不等于它本身。正是“甚至不是它本身”部分导致了您所看到的大多数奇怪行为。如果您好奇的话，请点击这里:https://github.com/jafingerhut/batman

下面的示例函数可能会适合您的需求。它在返回的映射中使用 :nan-kw 来指示找到了多少个 NaN。如果将 :nan-kw 替换为 ##NaN，则返回的映射有一个缺点，即由于 ##NaN 的怪异，您无法找到计数(获取频率-ret-值 ##NaN)。

(defn frequencies-maybe-nans [s]
  (let [separate-nans (group-by #(and (double? %) (Double/isNaN %)) s)
        num-nans (count (separate-nans true))]
    (merge (frequencies (separate-nans false))
           (when-not (zero? num-nans)
             {:nan-kw num-nans}))))

(def freqs (frequencies-maybe-nans [1 2 ##NaN 5 5]))
freqs
(get freqs 2)
(get freqs :nan-kw)