在 PowerShell 中查找数据集的统计模式

Question

这个自我回答的问题是这个问题的后续问题：

如何确定给定数据集（数组）的统计模式，即最常出现的一个值或一组值？

例如，在数组中1, 2, 2, 3, 4, 4, 5有两种模式2和4，因为它们是最常出现的值。

Answer 1

Group-Object使用、Sort-Object和循环的组合do ... while：

# Sample dataset.
$dataset = 1, 2, 2, 3, 4, 4, 5

# Group the same numbers and sort the groups by member count, highest counts first.
$groups = $dataset | Group-Object | Sort-Object Count -Descending

# Output only the numbers represented by those groups that have 
# the highest member count.
$i = 0
do { $groups[$i].Group[0] } while ($groups[++$i].Count -eq $groups[0].Count)

上面的结果是2和4，这是两种模式（最常出现的值，在本例中各出现两次），按升序排序（因为Group-Object按分组标准排序，并且Sort-Object的排序算法是稳定的）。

注意：虽然此解决方案在概念上很简单，但大型数据集的性能可能是一个问题；请参阅底部部分，了解某些输入可能进行的优化。

解释：

• Group-Object按平等对所有输入进行分组。

• Sort-Object -Descending按成员计数以降序方式对结果组进行排序（首先是最常出现的输入）。

• 该do ... while语句循环遍历已排序的组，并输出由每个组成员表示的输入，因此出现次数（频率）最高，如第一个组的成员计数所暗示的那样。

性能更好的解决方案，包含字符串和数字：

如果输入元素都是简单的数字或字符串（而不是复杂的对象），则可以进行优化：

• Group-Object禁止-NoElement收集每组中的单独输入。

• 每个组的.Name属性都反映分组值，但以string形式进行，因此必须将其转换回其原始数据类型。

# Sample dataset.
# Must be composed of all numbers or strings.
$dataset = 1, 2, 2, 3, 4, 4, 5

# Determine the data type of the elements of the dataset via its first element.
# All elements are assumed to be of the same type.
$type = $dataset[0].GetType()

# Group the same numbers and sort the groups by member count, highest counts first.
$groups = $dataset | Group-Object -NoElement | Sort-Object Count -Descending

# Output only the numbers represented by those groups that have 
# the highest member count.
# -as $type converts the .Name string value back to the original type.
$i = 0
do { $groups[$i].Name -as $type } while ($groups[++$i].Count -eq $groups[0].Count)