词频统计 ccf-csp 2024-2-1

在学习了文本处理后，小 P 对英语书中的 n篇文章进行了初步整理。

具体来说，小 P将所有的英文单词都转化为了整数编号。

假设这 n 篇文章中共出现了 m个不同的单词，则把它们从 1到 m进行编号。

这样，每篇文章就简化为了一个整数序列，其中每个数都在 1 到 m范围内。

现给出小 P处理后的 n篇文章，对于每个单词 ii（1≤i≤m），试统计：

1. 单词 i 出现在了多少篇文章中？
2. 单词 i在全部文章中总共出现了几次？

输入格式

输入共 n+1行。

输入的第一行包含两个正整数 n 和 m，分别表示文章篇数和单词编号上限。

输入的第 i+1行包含由空格分隔的若干整数，其中第一个整数 li表示第 i篇文章的长度（单词个数）；接下来 li个整数表示对应的整数序列，序列中每个整数均在 1到 m 范围内，各对应原文中的一个单词。

输出格式

输出共 m行。

第 ii行输出由空格分隔的两个整数 xi和 yi，表示共有 xi篇文章包含单词 i，总计出现次数为 yi。

数据范围

全部的测试数据满足 0<n,m≤100,且每篇文章至少包含一个单词、最多不超过 100100 个单词（1≤li≤100）。

输入样例：

4 3
5 1 2 3 2 1
1 1
3 2 2 2
2 3 2

输出样例：

2 3
3 6
2 2

样例解释

单词 2 在：

• 文章 1中出现两次；
• 文章 3中出现三次；
• 文章 4 中出现一次。

因此 x2=3,y2=6.

代码

#include<bits/stdc++.h>
using namespace std;
int main()
{
	// n 表示文章的篇数，m 表示单词编号的上限
	int n, m;
	// x[i] 用于记录单词 i 出现在多少篇文章中
	int x[101];
	// y[i] 用于记录单词 i 在全部文章中总共出现的次数
	int y[101];
	// t[i] 用于记录单词 i 上一次出现所在文章的编号
	// 通过比较这个编号和当前文章编号，判断单词是否在新文章中出现
	int t[101];
    cin >> n >> m;
    // a 用于存储当前文章的长度（单词个数）
    // b 用于临时存储当前文章中读取的单词编号
    int a, b;
    // 遍历每一篇文章，n 在这里也作为文章编号，从 n 到 0
    while(n --)
    {
        // 读取当前文章的长度
        cin >> a;
        // 遍历当前文章中的每个单词
        for(int i = 1; i <= a ; i ++)  
        {
            // 读取当前文章中的一个单词编号
            cin >> b;
            // 判断单词 b 是否在新的文章中出现
            // t[b] 记录了单词 b 上一次出现所在文章的编号
            // 如果 t[b] 不等于当前文章编号 n，说明单词 b 在新文章中首次出现
            if(t[b] != n) {
                // 单词 b 出现的文章篇数加 1
                x[b] ++;
                // 更新单词 b 所在的文章编号为当前文章编号
                t[b] = n;
            }
            // 无论单词 b 是否在新文章中出现，只要出现，其总出现次数就加 1
            y[b]++; 
        }
    }
    // 遍历从 1 到 m 的每个单词编号
    for(int i = 1; i <= m ; i ++)
    {
        // 输出单词 i 出现的文章篇数和在所有文章中的总出现次数
        cout << x[i] << " " << y[i] << endl;
    }
    return 0;
}