《脑回路清奇的主角们》 第424章 幻当程序员小白用自然语言编程时会怎样？

    
        

    =数据卡尺=


    如何用统计学的知识，来应用在数据上呢？


    -第一步-


    要弄明白统计学和数据之间的共性和非共性。


    统计学：每一个数据无论其数值是多少，其本身就作为一个数值独占的存在体，然而统计学本身就有意和无意的忽略了各个数值的先后排列。


    数据：每一个数据无论其数值是多少，其本身就作为一个数值独占的存在体，然而数据本身很注重各个数值的先后排列。


    比如：abracadabra


    用统计学来表示，就是a出现了5次，b出现了2次，c出现了1次，d出现了1次，r出现了2次。


    用数据来表示，就是abracadabra。


    那么如何把数据快速的解压缩出来呢？可以使用分段压缩方式，比如把一个大文件，分割成一个个片段，例如：


    abracadabra the fox jump.张三和李四一起去喝酒。


    那么，就可以根据前面的数据，本身就是采用英文的方式，也就是最多是52进制（区分大小写），而后面的中文可就麻烦了，毕竟中文本身进制相当大，那么就需要进行大进制处理。


    用统计学的方法，就是把数据平均分，然后分割成可以互相对齐的数据个体，然后统计这些数据个体各出现了多少次。


    然后进行统计，把统计数据记录下去。


    也就是说，把大英百科全书的纯文本内容用统计学的方式记录下来，就能对应到大小写英文字母+符号+空格+换行+换页……


    那么就能够统计出各英文字母出现过多少次，这导致的就是数据能够很好把所有元素给还原出来，只是这些元素之间的排列组合，就随着数据长度的变大而趋向更高运算量。


    最简单的方法，就是用三种统计方法：


    如字母矩阵：


    a c a e f h i o p q r t t y t


    a s d k f j a s l k f d j l a


    s k j f d a s d f s a d f a s


    d f a s f a s d f a s f d a s


    f d j h l k j h l k j h l k j h


    为了快速得知每个数字的排列方式，可以进行统计校验


    每一行的第一列中出现a的次数为2次


    每一行的第二列中出现a的次数为0次


    第一行中出现a的次数为2次


    第二行中出现a的次数为3次


    a在整个文本中出现过12次


    以此类推，就能使用数独的方式，逆推出去掉了很多排列组合的有限数量的排列组合方式，然后这些排列组合就能通过其他校验方式，比如md5，比如sha128和其他校验方式快速找出正确的排列组合。


    这种方式，就是使用小公式重复使用的方式，快速生成数据的片段，然后只需要把数据片段进行拼图一样的整理就行了，就能还原出源文件。


    之前说的，只应用到阶乘，n次方，无理数，都只适合于超级计算机的压缩方式，而这次介绍的，则是相对来说，更适合个人计算机，以及单片机使用，本身就是以硬件上限有限时，如何获得最高压缩率，以及最快解压缩。


    同样的，把数据进行片段化，然后使用特定进制的方式来进行统计，同样可以统计出，然而还有一种特殊的进制转换对齐校验方式。


    比如二进制的101010111010110111010001001101110010。


    转换为4进制（00=a）（01=b）（10=c）（11=d）：cccdccdbdbabadbdac


    转换为十进制：46，084，723，570


    转换为16进制：a badd 1372


    然后进行统计，比如，在4进制中，abcd各出现过多少次；在二进制中0和1各出现过多少次；在十进制中0123456789各出现过多少次；在十六进制中0123456789abcdef各出现过多少次。


    当然了，为了进制校验的准确性，一般都是采用素数进制的方式来进行校验（比如2进制，3进制，5进制，7进制，11进制，13进制……以此类推），然后通过进制之间的差异，来统计。


    当然了，因为是为了给单片机使用的，所以本身就不会采用过高进制，比如高达亿进制。


    也就是把每一个数据片段，都除以各个进制数，然后得出余数。


    →喷子兼或破壁人：所以分解质因数都出现了是吧？你还能更敷衍一点么？


    →喷子兼或破壁人：直到现在，你都没有给出使用多处理器来进行大数据压缩和解压缩的代码实现，你在这给程序员用自然语言编程呢？


    作者现在在自学c++语言，感觉可能用得上。