=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。

狠男人网最快更新，无弹窗阅读请收藏狠男人小说网(www.41nr.com)。