哈希求频率分布

tonyliuy

最近想要求字符串中某个字符的大致分布，所以先画了频率分布图，但是很奇怪，有些点的频率数据跑到了别的点上，求大神指导，哈希出了什么问题？该如何修改代码？
第一段主体代码：

1. $rate = $num/length($str);
   
2. if ($rate < 1) {
   
3. $devide = int($rate*100);
   
4. $rates{$devide} ++;
   
5. } else {
   
6. $rates{99} ++}
   
7. }

复制代码

数据跑出来之后都变成这样了


第二段的代码跟第一段基本差不多，生成的图像是这个样子的了：

两组数据都有几十个，全是这个样子，第一张图是连续数据，在50附近出现了小幅波动，第二张图是离散数据，就是1-99这100个数，统计出来在30和60附近出现了较大幅度的波动（之前也在50附近出现过）。求大神指导，哈希到底是怎么个情况？原数据应该是连续变化的，不应该存在这种波动，我应该如何修改代码？

zhlong8

你的图中明显 30 60 这两个地方相邻两个值一个是0，一个值变成了双倍。看你的代码用的是 int 对浮点数取整可以这么猜测，一个除法结果是 0.2999999999 无法精确表示，*100 取整后人类会理解为 30， 计算机却只能理解为 29 导致 30 这个槽直接空了都到29去了。应该用四舍五入，而不是取整

tonyliuy

谢谢解答，第一张图的连续数据出现的小幅波动很可能是这个原因造成的，比较奇怪的是第二张图，第二张图的数据是很严格的0-99这99个整数，最开始直接用数组的时候a[rate] ++数据在50附近出现了类似的异常，改用哈希就没有异常了，数据很正常，这段代码是因为第一段数据用了int直接copy过来的代码，因为觉得int一个整数还是自己没影响，就没有修改，于是第二张图就出现了这个诡异的现象。第一张图很可能是这个原因，第二张图乘以100后都是离散的整数，这个波动又是怎么产生的呢？回复 2# zhlong8


   

tonyliuy

另外四舍五入是哪条指令呢？新人没用过四舍五入回复 2# zhlong8


   

zhlong8

回复 3# tonyliuy


    贴出生成数据集的代码，不需要做图部分

tonyliuy

1. $str[9] =~ s/N//;
   
2. $num = () = $read =~ m/c|g/ig;
   
3. $rate = $num/length($read);

复制代码

脚本就是这段代码加上一楼的代码，求一段基因的CG含量，第一段是模板CG含量，长度不同，可以认为是连续的，第二段是基因的读取数据，每条都是100，这个用了一步替换之后可能少于100，但是结果差异好大，完全看不懂... ...回复 5# zhlong8


   

zhlong8

回复 4# tonyliuy


    没有内置的四舍五入方法，一般是 +0.5 再取int，或者用模块 POSIX::round

tonyliuy

第一张图的数据作为连续性数据，本不应该出现这样的问题啊，+0.5也还是连续型的。我的意思是指前面解释的，出现0.499999999同样也可能出现0.509999999，而且这个几率不大，连续数据每个图都有那个波动也不科学啊。回复 7# zhlong8


   

zhlong8

回复 8# tonyliuy


    努力排除计算误差（比如用精确的分数运算），做图误差（更细的区间），运用统计知识证明这个波动是远超合理范围的，然后你就可以发论文了