Excel / SharedStrings için sıralama algoritması

Excel'de, dizeleri sayısal bir eşlemeye 'sıkıştırırlar (bu durumda sıkıştırma kelimesinin doğru olduğundan emin değilim). Aşağıda gösterilen bir örnek:

Bu, genel dosya boyutu ve bellek kapladığı alanı azaltmaya yardımcı olsa da, Excel bir dize alanında sıralama nasıl yapar? Her bir dizenin arama eşlemesinden geçmesi gerekir mi: eğer öyleyse, bir dize alanında sıralama yapma / yavaşlatma maliyetini büyük ölçüde artırmazdı (1M değerleri olsaydı, 1M anahtar aramaları olmazdı) önemsiz). Bu konuda iki soru:

1. Paylaşılan dizeler Excel uygulamasının içinde mi yoksa yalnızca verileri kaydederken mi kullanılıyor?
2. Sahada sıralamak için örnek bir algoritma ne olurdu? Herhangi bir dil iyidir (c, c #, c ++, python).

Excel'in SharedStringTableçalışma zamanında bellekte öğeler içeren hücreleri tam olarak nasıl saklayacağını bulamıyorum , ancak öğelerin bir dizini olarak saklamak SharedStringTable, öğelerin bir dizi olarak saklandığı varsayılarak, bunlara erişmek için yalnızca bir ek dereference gerektirir. Benim tahminim bu böyle yapılıyor. Bu en basit yol ve daha hızlı yapmanın tek yolu, SharedStringTablezaten öğelere göre sıralanmış çalışma zamanı temsiline sahip olmaktır . Böyle bir durumda bir dizine göre sıralama, değere göre sıralama ile eşdeğerdir. Bununla birlikte, bu yaklaşım, ekleme işlemini, tablonun ortasına yeni bir dize eklendiğinde, artması gerektiğinden daha büyük tüm dizinler ve belgedeki bu tür hücrelerin sayısı çok fazla olabileceği gibi maliyetli hale getirir. ilgili hücreler SharedStringTable.

Hücreler dosyadakilerle aynı indeksleri içeriyorsa, columnValuevektörde temsil edilen hücreleri vektörde depolandıkları işaretlere sharedStrings(fark olmadığı söylendiğinden C ++ 'da) göre 2 maliyetle nasıl sıralayacağınız aşağıda açıklanmıştır karşılaştırma işlemi başına ekstra dereferences:

// sort indexes from columnValue based on comparing values in sharedStrings
sort(columnValue.begin(), columnValue.end(), 
     [&sharedStrings](size_t i1, size_t i2){return sharedStrings[i1] < sharedStrings[i2];});

OP'de değildi, ancak geriye doğru SharedStringTablearama işlemi yavaş ve bir sözlüğe önbellekleme öğeleri yardımcı oluyor.

Microsoft Excel Paylaşılan Dizeler Tablosu

Paylaşılan dizeler tablosu ve ISO standardı tarafından tanımlanan Açık XML standardıdır - ISO / IEC 29500-1: 2016 (E)

Paylaşılan dizelerin resmi tanımı (ISO belgesinden alıntı)

Paylaşılan Dize Tablosu

Dize değerleri doğrudan elektronik tablo hücre öğelerinin içinde saklanabilir; bununla birlikte, aynı değerin birden fazla hücre elemanı içinde depolanması çok büyük çalışma sayfası Parçaları ile sonuçlanabilir ve bu da performansın düşmesine neden olabilir. Paylaşılan Dize Tablosu, çalışma kitabında paylaşılan ve uygulamaların değerleri yalnızca bir kez saklamasına izin veren, dizine eklenmiş dizin değerlerinin listesidir.

Paylaşılan Dizelerdeki ISO standardı şu adresten indirilebilir:

https://standards.iso.org/ittf/PubliclyAvailableStandards/c071691_ISO_IEC_29500-1_2016.zip

Bu konuyla ilgili soruların cevapları

Soru 1: Paylaşılan dizeler Excel uygulamasının içinde mi yoksa yalnızca verileri kaydederken mi kullanılıyor?

Yanıt: Paylaşılan dizeler Excel tarafından yalnızca belgenin IE kaydedildiği sırada, yalnızca e-tabloyu depoda bir dosya olarak saklamak amacıyla kullanılır.

Ancak, dosya görüntüleme için açıldığında, hücreler paylaşılan dizeler tablosundan alınan gerçek dize değerleri ile doldurulur.

-

Soru 2: Sahada sıralamak için örnek bir algoritma ne olurdu? Herhangi bir dil iyidir (c, c #, c ++, python).

Cevap: Excel gibi bir uygulama için, özel hızlı Quick sort varyasyonunun dize değerlerinde sıralama için kullanılacak en olası algoritma olduğunu düşünüyorum.

Excel'in 1.048.576 satır sınırı vardır. Bu boyut için Hızlı sıralama kesinlikle kazanır. Hızlı sıralama, bu büyüklükteki veri kümesi için çok verimli sonuç verebilir.

Dizeleri sıralama için C ++ Hızlı Sıralama uygulamasına bağlantı:

http://www.cplusplus.com/forum/beginner/101599/