3つの列を持つファイルがあります。列 1 と 2 には、同じグループから取得した数字が含まれます。ファイルには通常、グループの各メンバーのペアに対して1行が含まれています。N会員様、いなければなりません。N×（N−1）/2行。
3列は、1列と2列の数字がどのくらい密接に関連しているかを示しています。
接続性が0.2以上の連続値グループ（範囲など）にソースセットを分割したいと思います。たとえば、次のような小さなデータセットでは：
入力する：
1 2 0.222
1 3 0.213
1 4 0.014
1 5 0.001
1 6 0.555
1 7 0.509
2 3 0.213
2 4 0.014
2 5 0.001
2 6 0.555
2 7 0.709
2 8 0.509
3 4 0.995
3 5 0.323
3 6 0.555
3 7 0.225
3 8 0.001
4 5 0.095
4 6 0.058
4 7 0.335
4 8 0.005
5 6 0.995
5 7 0.658
5 8 0.650
6 7 0.431
6 8 0.333
7 8 0.754
出力は次のようになります。
出力：
G1: 1 2 3 G2: 4 G3 :5 6 7 8
1と2、3の間の接続性は0.2より大きいため、1、2、3は最初のグループに配置する必要があります。実際、1セットのすべての数値ペアには十分な接続性が必要です。 1/2/3と6の間には高い相関関係がありますが（0.555> 0.2）、前の数字（4と5）は1と低い相関関係があるため、6を最初のグループに配置しないでください。したがって、4と5をスキップし、最初のグループの数字を6に関連付けることはできません。
4番は5番と密接な関係がないので、4番は単独で2番目のグループに属する必要があります。 4が7と関連性が高いとしても、前の数字（5と6）は4と関連性が低いため、中間数字をスキップして4と7を連結することはできません。
５は６、７、８との接続性が高い。さらに、数字のペア（6/7、6/8、7/8など）も高い接続性を持っています。したがって、それらは3番目のグループに配置する必要があります。これが、これらすべての数字を1つのグループに配置できる理由です。
実際のデータは、数字1から始まらず、100,000を超える行があることに注意してください。だからそれは巨大です。
これは私の実際のデータの一部です。
入力：
49997 49998 0.082
49997 49999 0.953
49997 50000 0.060
49998 49999 0.288
49998 50000 0.288
49999 50000 0.265
出力は次のようになります。
G1:49997 G3: 49998 49999 50000
ベストアンサー1
ループ入力。最初の数字が同じで接続性がしきい値を超える場合は、同じグループに数字を追加します。接続が低すぎる場合は、最初の列の2番目の数字が表示されるまで何もしないでください。
#!/usr/bin/perl
use warnings;
use strict;
my $THRESHOLD = 0.2;
my $next;
my @groups;
while (<>) {
my ($n1, $n2, $connectedness) = split;
@groups = ([ $next = $n1 ]) unless defined $next;
if ($next == $n1) {
if ($connectedness > $THRESHOLD) {
push @{ $groups[-1] }, $n1 unless @{ $groups[-1] };
push @{ $groups[-1] }, $n2;
} else {
$next = $n2;
push @groups, [$n2];
}
}
}
for my $i (1 .. @groups) {
print "Group $i: @{ $groups[ $i - 1 ] }\n";
}