Por que alguns métodos de classificação são classificados por 1, 10, 2, 3 ...?

30

Eu notei que muitos métodos de classificação numérica parecem classificar por 1, 10, 2, 3 ... em vez dos 1, 2, 3, 10 esperados ... Estou tendo problemas para apresentar um cenário em que gostaria preciso do primeiro método e, como usuário, fico frustrado sempre que o vejo na prática. Existem casos de uso legítimos para o primeiro estilo no segundo? Se sim, o que são? Se não, como surgiu o estilo de primeira classe? Quais são os nomes oficiais para cada método de classificação?

sorting

— VirtuosiMedia
fonte

Não é uma resposta à sua pergunta, mas se você tem que classificar uma lista de strings que podem conter números, você provavelmente vai querer usar o algoritmo alphanum: davekoelle.com/alphanum.html

— TehShrike

É muito, muito simples. Ao classificar, o algoritmo digitaliza da esquerda para a direita. Portanto, quando se trata de um 1 e um 5, o 5 é maior e, de maneira estúpida, acompanha esse mesmo, mesmo que o 1 seja realmente parte de um número maior como 134234. Para saber que 134234 é maior que 5, devemos realmente digitalizar depois do número até o último dígito (na verdade, o primeiro dígito) 4, trabalhe para trás e veja que esse é realmente um 100000 muito maior que 5. Portanto, sua classificação cega típica não faz isso, pois apenas compara o caractere ao caractere que ignora o que ocorre após (ou antes) na comparação.

— AbstractDissonance

11

Se você ler en.wikipedia.org/wiki/Natural_sort_order , deve fazer sentido. Em ordem natural, cadeias de dígitos são agrupadas como um único "caractere". Não fisicamente, apenas logicamente, para que ainda possamos ter comparações de caracteres como o primeiro caso, mas seremos capazes de comparar cadeias inteiras com cadeias inteiras em vez de caracteres com caracteres, o que nos permitirá comparar o valor total. Todos os tipos devem ser assim, porque é assim que nós humanos lemos as coisas (para números, na verdade lemos da direita para a esquerda, mesmo na sequência da esquerda para a direita 1234 = 1000 + 200 + 30 + 4, não 4000 + 300 + 20 + 1

— ResumoDissonância

62

que é uma classificação lexicográfica, o que significa basicamente que o idioma trata as variáveis como strings e compara caractere por caractere ( "200"é maior que "19999"porque '2'é maior que '1')

para consertar isso você pode

garantir que os valores sejam tratados como números inteiros,
adicione '0'as seqüências de caracteres para que todos tenham comprimentos iguais (somente viável quando você souber o valor máximo).
É por isso que você verá numerações de episódios em arquivos de mídia (S1E01) com um 0 precedido, para que uma classificação lexicográfica não estrague tudo e permita que os programas simplesmente sejam reproduzidos / exibidos em ordem alfabética,
ou faça um comparador personalizado que compare primeiro o comprimento das cadeias (cadeias mais curtas são números inteiros menores) e, quando iguais, compare o lexicograficamente (cuidado com a liderança '0')

— catraca arrepiante
fonte

5

+1 for 'lexiographic'. Never heard that term, I would just have thought of this as alphabetic sorting - the numbers are being treated as a string type, like you said.

— Anonymous

3

+1 para anexar '0' às seqüências de caracteres. Eu não estava programando isso, estava no nome das minhas pastas e o 'Capítulo 10' estava antes do 'Capítulo 2'. Então eu fiz os capítulos 1-9 chamados 01-09 e agora estão "corretamente".

— Marvin

6

Em ordem alfabética, 1 vem antes de 2. Sempre que você vê o primeiro método, não é porque é desejável, mas porque a classificação é estritamente alfabética (e acontece da esquerda para a direita, um caractere de cada vez): 1, 2, 10 faz sentido para você, mas não para um computador que conhece apenas a comparação alfabética. Não há como esse tipo de comparação simples saber que um seguido de um 0 vem depois de dois.

Quando você vê a classificação mista de palavras e números que trata os números corretamente, é porque a classificação é mais inteligente e, além disso, ainda funciona normalmente apenas no início ou no final de uma string.

— Nicole
fonte

4

Esse é o resultado quando você ordena seqüências de números alfabeticamente em vez de numericamente.

Esse estilo de classificação é o comportamento padrão do sortcomando unix, por exemplo, a menos que você use a --numeric-sortopção de linha de comando, que informa para tentar interpretar os valores numéricos.

— whatsisname
fonte

4

Outros têm respostas de que tipo é esse, mas ninguém realmente respondeu à sua pergunta sobre por que você a vê. A resposta não é realmente tão emocionante. Geralmente é um bug. A maioria dos métodos de classificação será padronizada para um ou outro, e a programação provavelmente não fará alterações no padrão ao classificar números.

— frankc
fonte

Em contextos alfabéticos / numéricos mistos, os usuários experientes tendem a preferir a classificação lexiográfica, porque é consistente e previsível. Todo aplicativo que tenta "inteligentemente" misturar a classificação numérica e lexiográfica o faz de maneira um pouco diferente, tornando o tipo de utilidade questionável.

— j__m