使用约束计算文件中的重复对

Question

问题陈述

我有以下文件（文件按所有三列排序）：

D000001 D000001 1975
D000001 D000001 1976
D000001 D002413 1976
D000001 D002413 1979
D000001 D002413 1987
D000001 D004298 1976
D000002 D000002 1985
D000003 D000900 1975
D000003 D000900 1990
D000003 D004134 1983
D000003 D004134 1986

我需要计算重复对（在第1列和第2列中），并为每对这样的对分配第3列中的最小值。对于我的玩具文件，输出应该是：

^{pr2}$

我的问题

1. 文件是巨大的（1 GB到5 GB），我想知道在这种设置中实现最合适的编程结构是什么？在
2. 如何正确打印最后一列（第三列）？在当前设置中（检查下面的代码），程序将打印最后（最高）值。在

我对电流输出的初步尝试如下。在

^{3}$

电流输出：

D000001 D000001 (2, 1976) ## Should be 1976 etc.
D000001 D002413 (3, 1987)
D000001 D004298 (1, 1976)
D000002 D000002 (1, 1985)
D000003 D000900 (2, 1990)
D000003 D004134 (2, 1986)

Answer 1

由于文件很大，不应使用内存字典来管理数据。开始读取源文件并将结果直接输出到目标文件，您只需要3个变量

一个存储当前元组，第二个存储计数，第三个存储最高值。当元组更改时，将值写入输出文件并继续。在

这一个将有非常小的内存占用和可以处理疯狂的大文件以及。但当然，这只会因为元组是排序的。在