hash de hash sans tri

Version imprimable

Bonsoir,

J'ai fais un code qui permet de lire des lignes à partir de deux fichiers, j'ai utilisé un hash de hash

Le problème c'est que ces résultats sont triés automatiques par les hash, alors que moi je veux qu'elle soit triés selon des valeurs particulières:

les fichier d'origine sont triés et on les deux cette forme:
1 Q0 DerOpthalmologe/80950033 0 5.960979448916666 TF_IDF
1 Q0 DerRadiologe/80380710 1 5.836199971080442 TF_IDF
1 Q0 MonatsschriftKinderheilkunde/01480013 2 5.836199971080442 TF_IDF
1 Q0 DerHautarzt/90500127 3 5.601683110384085 TF_IDF
1 Q0 DerAnaesthesist/80470024 4 5.4913531937974644 TF_IDF
2 Q0 ZfuerKardiologie/90880788 0 7.950456651153142 TF_IDF
2 Q0 DerChirurg/90701174 1 7.677017765795651 TF_IDF
2 Q0 DerUnfallchirurg/81010830 2 7.503564829783422 TF_IDF
2 Q0 DerChirurg/80690854 3 7.503564829783422 TF_IDF

le problème c'est que les scores c'est à dire le 4ème champs de la ligne n'est plus triés, les valeurs sont hasard, de même pour le premier champs ou on peut trouver le numéro 103 au début puis 19, comment triés ces résultats selon le champs 1 puis le champs 4?

voila mon code
Code:

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 #!/usr/bin/perl print "bonjour\n"; open(FIC, $ARGV[0]); open(FICC, $ARGV[1]); my @a = (); my @b = (); my $l=0; my $v=0; print "choisis un nom de fichier\n"; chomp(my $fic2=<STDIN>); open(FIC2, ">$fic2"); $i=0; $j=0; $u=0; while (<FIC>) { my $ligne=$_; @aa=split(/\s/,$ligne); $who = $aa[0]; $key=$aa[2]; $HoH{$who}{$key} = $aa[4]; $i++; } while (<FICC>) { my $ligne=$_; @aa=split(/\s/,$ligne); $who = $aa[0]; $key=$aa[2]; $HoH2{$who}{$key} = $aa[4]; $i++; } print "\n"; foreach my $k ( keys %HoH2){ #print "$k: "; $i=0; foreach ( keys%{HoH2{$k}}){ $l= (0.1*$HoH2{$k}{$_})+ (0.9*$HoH{$k}{$_}); print FIC2 ("$k Q0 $_ $i $l TF_IDF \n"); $i++; #print "$kk \n"; }}
merci

Bonjour,

le problème est qu'un hachage stocke les données dans un ordre pseudo-aléatoire et imprévisible.

Il faut donc faire un sort sur les clefs du hash quand c'est possible (facile pour le premier niveau de ton hash) ou utiliser une autre structure (tableau) quand il faut préserver l'ordre des données d'origine (il y a d'autres solutions un peu plus complexes).

Ici, je suggère, si cela convient, d'utiliser un HoA plutôt qu'un HoH, afin de conserver l'ordre des structures internes.

Comme je n'ai pas de fichier en entrée, j'ai fait la version très simplifiée (un seul hash au lieu de deux) suivante de ton programme avec un HoA:

Code:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
 
#!/usr/bin/perl
use strict;
use warnings;
use Data::Dumper;
 
my %HoH;
while (<DATA>) {
    my ($who, undef, $key, $val) = split /\s/, $_;
    push @{$HoH{$who}}, [$key, $val];
}
 
# print Dumper \%HoH;
 
foreach my $k (sort keys %HoH){ # sort sur la clef de premier niveau
    my $i = 0;
    foreach (@{$HoH{$k}}){
        my $l = (0.1*$HoH{$k}[$i][2])+ (0.9*$HoH{$k}[$i][2]); # nb: comme il n'y a qu'un hash, renvoie valeur d'origine
        print "$k Q0 $_->[0] $i $l TF_IDF \n";
        $i++;
    }
}
__DATA__
1 Q0 DerOpthalmologe/80950033 0 5.960979448916666 TF_IDF
1 Q0 DerRadiologe/80380710 1 5.836199971080442 TF_IDF
1 Q0 MonatsschriftKinderheilkunde/01480013 2 5.836199971080442 TF_IDF
1 Q0 DerHautarzt/90500127 3 5.601683110384085 TF_IDF
1 Q0 DerAnaesthesist/80470024 4 5.4913531937974644 TF_IDF
2 Q0 ZfuerKardiologie/90880788 0 7.950456651153142 TF_IDF
2 Q0 DerChirurg/90701174 1 7.677017765795651 TF_IDF
2 Q0 DerUnfallchirurg/81010830 2 7.503564829783422 TF_IDF
2 Q0 DerChirurg/80690854 3 7.503564829783422 TF_IDF

Ce qui affiche:

Code:

1
2
3
4
5
6
7
8
9
10
 
1 Q0 DerOpthalmologe/80950033 0 5.96097944891667 TF_IDF
1 Q0 DerRadiologe/80380710 1 5.83619997108044 TF_IDF
1 Q0 MonatsschriftKinderheilkunde/01480013 2 5.83619997108044 TF_IDF
1 Q0 DerHautarzt/90500127 3 5.60168311038409 TF_IDF
1 Q0 DerAnaesthesist/80470024 4 5.49135319379746 TF_IDF
2 Q0 ZfuerKardiologie/90880788 0 7.95045665115314 TF_IDF
2 Q0 DerChirurg/90701174 1 7.67701776579565 TF_IDF
2 Q0 DerUnfallchirurg/81010830 2 7.50356482978342 TF_IDF
2 Q0 DerChirurg/80690854 3 7.50356482978342 TF_IDF

ce qui correspond à l'ordre que tu désires, si j'ai bien compris.

Enlève la mise en commentaire de la ligne "print Dumper..." si tu désires visualiser la structure de données obtenue. Elle est du type:

Code:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
 
 {
          '1' => [
                   [
                     'DerOpthalmologe/80950033',
                     '0',
                     '5.960979448916666'
                   ],
                   [
                     'DerRadiologe/80380710',
                     '1',
                     '5.836199971080442'
                   ],
...

Citation:

Envoyé par africanwinners

le problème c'est que les scores c'est à dire le 4ème champs de la ligne n'est plus triés, les valeurs sont hasard, de même pour le premier champs ou on peut trouver le numéro 103 au début puis 19, comment triés ces résultats selon le champs 1 puis le champs 4?

dans ta double boucle finale, au lieu d'imprimer directement les lignes, tu peux construire un tableau de résultats @res comme suit :
Code:

1 2 3 4 5 6 7 8 9 10 11 12 my @res; foreach my $k ( keys %HoH2){ #print "$k: "; $i=0; foreach ( keys%{HoH2{$k}}){ $l= (0.1*$HoH2{$k}{$_})+ (0.9*$HoH{$k}{$_}); print FIC2 ("$k Q0 $_ $i $l TF_IDF \n"); push @res, [$k, 'Q0', $_, $i, $l, 'TD_IDF']; $i++; #print "$kk \n"; }}
que tu peux ensuite trier comme tu veux, par exemple (par ordre ascendant des champs 0 et 4) :
Code:

1 2 3 for (sort { $a->[0] <=> $b->[0] or $a->[4] <=> $b->[4] } @res) { print FIC2 join(" ", @$_),"\n" }
si tu voulais plutôt être en ordre ascendant sur le champ 0 mais descendant pour le champ 4 il suffit d'inverser a et b dans la deuxième expression du sort : $a->[0] <=> $b->[0] or $b->[4] <=> $a->[4].

Dernier point, si tu veux trier par ordre numérique il faut utiliser l'opérateur <=>, si tu veux trier par ordre lexicographique il faut utiliser l'opérateur cmp. Quand tu fais un simple sort keys %h c'est l'ordre lexicographique qui est utilisé par défaut. Donc si tu voulais un tri simple mais dans l'ordre numérique il faudrait écrire sort { $a <=> $b } keys %h.

06/12/2015, 22h09
africanwinners

Bonsoir

Merci Lolo78 , mais la solution que vous proposez ne fait pas ce que vous dites, j'ai essayé avec un autre exemple, les résultats ne sont pas triés, essayer juste avec cet exemple:
1 Q0 DerOpthalmologe/80950033 0 5.96097944891667 TF_IDF
1 Q0 DerRadiologe/80380710 1 5.83619997108044 TF_IDF
1 Q0 MonatsschriftKinderheilkunde/01480013 2 5.83619997108044 TF_IDF
1 Q0 DerHautarzt/90500127 3 5.60168311038409 TF_IDF
1 Q0 DerAnaesthesist/80470024 4 5.49135319379746 TF_IDF
2 Q0 ZfuerKardiologie/90880788 0 7.95045665115314 TF_IDF
2 Q0 DerChirurg/90701174 1 7.67701776579565 TF_IDF
2 Q0 DerUnfallchirurg/81010830 2 7.50356482978342 TF_IDF
2 Q0 DerChirurg/80690854 3 7.50356482978342 TF_IDF
3 Q0 DerGynaekologe/00330028 4 6.95622437827284 TF_IDF
3 Q0 ZfuerHerzThoraxGefaesschirurgie/80120160 5 6.758456738014428 TF_IDF
3 Q0 Herz/00250113 6 6.22883492477801 TF_IDF
3 Q0 ZfuerKardiologie/70860982 7 6.079279095991491 TF_IDF
3 Q0 IntensiveMedizin/80350375 8 6.0409006440268165 TF_IDF
3 Q0 Psychotherapeut/70420307 9 5.938209461239149 TF_IDF
3 Q0 DerGynaekologe/90320496 10 5.88558547308398 TF_IDF
3 Q0 DerAnaesthesist/80470136 11 5.7932945782497915 TF_IDF
3 Q0 DerAnaesthesist/80470925 12 5.7932945782497915 TF_IDF
3 Q0 Bundesgesundheitsblatt/00430882 13 5.540313834612012 TF_IDF
3 Q0 DerGynaekologe/00330583 14 5.540313834612012 TF_IDF
115 Q0 DerUrologeA/80370066 0 7.8389562409286375 TF_IDF
115 Q0 DerOpthalmologe/60930558 1 7.424283948209753 TF_IDF
115 Q0 DerAnaesthesist/60451004 2 6.735397448741252 TF_IDF
115 Q0 ZfuerHerzThoraxGefaesschirurgie/80120193 3 6.448090927821654 TF_IDF
115 Q0 Psychotherapeut/90440220 4 6.4148912263179145 TF_IDF

La réponse de cmcmc est plus correcte, et retourne des résultats triés.

Un autre problème réside dans le champs 3, qui n'est plus correcte:
1 Q0 Arthroskopie/80110154 412 9.15542762616609 TD_IDF
1 Q0 Arthroskopie/00130229 346 8.1277467943887 TD_IDF
1 Q0 Arthroskopie/80110200 668 7.3415404360369 TD_IDF normalement ca ne commence pas avec 412 mais avec 0.

je crois ce problème survient lors du remplissage des hash, y a t'il pas un moyen de garder cette information

Merci

Citation:

Envoyé par africanwinners

Un autre problème réside dans le champs 3, qui n'est plus correcte:
1 Q0 Arthroskopie/80110154 412 9.15542762616609 TD_IDF
1 Q0 Arthroskopie/00130229 346 8.1277467943887 TD_IDF
1 Q0 Arthroskopie/80110200 668 7.3415404360369 TD_IDF normalement ca ne commence pas avec 412 mais avec 0.

C'est normal. Essaie quelque chose comme (non testé)
Code:

1 2 3 4 5 6 7 8 9 my ($p, $rank) ; for (sort { $a->[0] <=> $b->[0] or $b->[4] <=> $a->[4] } @res) { if (!defined($p) or $_->[0] != $p) { $p = $_->[0]; $rank = 0; } $_->[3] = $rank++; print FIC2 join(" ", @$_),"\n" }

19/12/2015, 12h06
africanwinners

Merci à tous , le code marche bien maintenant