12

好的，这不是“如何获取所有唯一性”或“如何在 php 中从我的数组中删除重复项”的问题。这是一个关于时间复杂度的问题。

我认为array_unique有点 O(n^2 - n) ，这是我的实现：

function array_unique2($array) 
{ 
    $to_return = array(); 
    $current_index = 0;

    for ( $i = 0 ; $i < count($array); $i++ ) 
    { 
        $current_is_unique = true; 

        for ( $a = $i+1; $a < count($array); $a++ ) 
        { 
            if ( $array[$i] == $array[$a] ) 
            { 
                $current_is_unique = false; 
                break; 
            } 
        } 
        if ( $current_is_unique ) 
        { 
            $to_return[$current_index] = $array[$i];
        } 

    } 

    return $to_return; 
}

但是，当对此进行基准测试时，array_unique我得到了以下结果：

测试 (array_unique2)... 操作耗时 0.52146291732788 秒。

测试 (array_unique)... 操作耗时 0.28323101997375 秒。

这使得 array_unique 快两倍，我的问题是，为什么（两者都有相同的随机数据）？

我的一个朋友写道：

function array_unique2($a)
{
    $n = array();
    foreach ($a as $k=>$v)
        if (!in_array($v,$n))
            $n[$k]=$v;
    return $n;
}

这比 php.ini 中内置的快一倍。

我想知道，为什么？

array_unique 和 in_array 的时间复杂度是多少？

编辑 我从两个循环中删除了 count($array) 并在函数顶部使用了一个变量，它在 100 000 个元素上获得了 2 秒！

4

8 回答 8

14

虽然我不能说原生的 array_unique 函数，但我可以告诉你，你的朋友算法更快，因为：

  1. 他使用单个 foreach 循环，而不是您的双 for() 循环。
  2. Foreach 循环往往比 PHP 中的 for 循环执行得更快。
  3. 他使用了一个 if(!) 比较，而您使用了两个 if() 结构
  4. 您的朋友调用的唯一附加函数是 in_array，而您调用了 count() 两次。
  5. 你做了三个你的朋友不需要的变量声明 ($a, $current_is_unique, $current_index)

虽然这些因素本身都不是很大，但我可以看到累积效应会使您的算法比您的朋友花费更长的时间。

于 2009-01-25T18:40:59.780 回答
9

的时间复杂度in_array()为O(n)。要了解这一点，我们将看一下PHP 源代码。

该in_array()功能在ext/standard/array.c. 它所做的只是 call php_search_array()，其中包含以下循环：

while (zend_hash_get_current_data_ex(target_hash, (void **)&entry, &pos) == SUCCESS) {

    // checking the value...

    zend_hash_move_forward_ex(target_hash, &pos);
}

这就是线性特征的来源。

这是算法的整体特征，因为zend_hash_move_forward_ex()具有恒定的行为： 看Zend/zend_hash.c，我们看到它基本上只是

*current = (*current)->pListNext;

至于 的时间复杂度array_unique()：

  • 首先，将创建一个数组的副本，这是一个具有线性特征的操作
  • 然后，struct bucketindex将创建一个 C 数组，并将指向我们数组副本的指针放入这些桶中 -再次线性特征
  • 然后，bucketindex-array 将被排序使用快速排序 - n logn平均
  • 最后，排序后的数组将被遍历，并且重复的条目将从我们的数组副本中删除 - 这应该再次是线性的，假设从我们的数组中删除是一个常数时间操作

希望这可以帮助 ;）

于 2009-01-25T20:14:09.187 回答
4

试试这个算法。它利用了键查找比 in_array() 更快的事实：

function array_unique_mine($A) {
    $keys = Array();
    $values = Array();
    foreach ($A as $k => $v) {
        if (!array_key_exists($v, $values)) {
            $keys[] = $k;
            $values[$v] = $v;
        }
    }
    return array_combine($keys, $values);
}
于 2009-01-25T18:45:16.183 回答
2

加布里埃尔的 回答对为什么您朋友的方法胜过您的方法有一些重要意义。对Christoph 回答后的对话很感兴趣，我决定自己进行一些测试。

另外，我尝试了不同长度的随机字符串，虽然结果不同，但顺序是一样的。为简洁起见，我在此示例中使用了 6 个字符。

请注意，array_unique5 实际上与 native 具有相同的键，2 和 3，但只是以不同的顺序输出。

结果...

Testing 10000 array items of data over 1000 iterations:
array_unique6:  1.7561039924622 array ( 9998 => 'b',    9992 => 'a',    9994 => 'f',    9997 => 'e',    9993 => 'c',    9999 => 'd',    )
array_unique4:  1.8798060417175 array ( 0 => 'b',   1 => 'a',   2 => 'f',   3 => 'e',   4 => 'c',   5 => 'd',   )
array_unique5:  7.5023629665375 array ( 10 => 'd',  0 => 'b',   3 => 'e',   2 => 'f',   9 => 'c',   1 => 'a',   )
array_unique3:  11.356487989426 array ( 0 => 'b',   1 => 'a',   2 => 'f',   3 => 'e',   9 => 'c',   10 => 'd',  )
array_unique:   22.535032987595 array ( 0 => 'b',   1 => 'a',   2 => 'f',   3 => 'e',   9 => 'c',   10 => 'd',  )
array_unique2:  62.107122898102 array ( 0 => 'b',   1 => 'a',   2 => 'f',   3 => 'e',   9 => 'c',   10 => 'd',  )
array_unique7:  71.557286024094 array ( 0 => 'b',   1 => 'a',   2 => 'f',   3 => 'e',   9 => 'c',   10 => 'd',  )

和代码...

set_time_limit(0);
define('HASH_TIMES', 1000);

header('Content-Type: text/plain');

$aInput  = array();
for ($i = 0; $i < 10000; $i++) {
    array_push($aInput, chr(rand(97, 102)));
}

function array_unique2($a) {
    $n = array();
    foreach ($a as $k=>$v)
        if (!in_array($v,$n))
            $n[$k]=$v;
    return $n;
}

function array_unique3($aOriginal) {
    $aUnique = array();

    foreach ($aOriginal as $sKey => $sValue) {
        if (!isset($aUnique[$sValue])) {
            $aUnique[$sValue] = $sKey;
        }
    }

    return array_flip($aUnique);
}

function array_unique4($aOriginal) {
    return array_keys(array_flip($aOriginal));
}

function array_unique5($aOriginal) {
    return array_flip(array_flip(array_reverse($aOriginal, true)));
}

function array_unique6($aOriginal) {
    return array_flip(array_flip($aOriginal));
}

function array_unique7($A) {
    $keys = Array();
    $values = Array();
    foreach ($A as $k => $v) {
        if (!array_key_exists($v, $values)) {
            $keys[] = $k;
            $values[$v] = $v;
        }
    }
    return array_combine($keys, $values);
}

function showResults($sMethod, $fTime, $aInput) {
    echo $sMethod . ":\t" . $fTime . "\t" . implode("\t", array_map('trim', explode("\n", var_export(call_user_func($sMethod, $aInput), 1)))) . "\n";
}

echo 'Testing ' . (count($aInput)) . ' array items of data over ' . HASH_TIMES . " iterations:\n";

$fTime = microtime(1);
for ($i = 0; $i < HASH_TIMES; $i++) array_unique($aInput);
$aResults['array_unique'] = microtime(1) - $fTime;

$fTime = microtime(1);
for ($i = 0; $i < HASH_TIMES; $i++) array_unique2($aInput);
$aResults['array_unique2'] = microtime(1) - $fTime;

$fTime = microtime(1);
for ($i = 0; $i < HASH_TIMES; $i++) array_unique3($aInput);
$aResults['array_unique3'] = microtime(1) - $fTime;

$fTime = microtime(1);
for ($i = 0; $i < HASH_TIMES; $i++) array_unique4($aInput);
$aResults['array_unique4'] = microtime(1) - $fTime;

$fTime = microtime(1);
for ($i = 0; $i < HASH_TIMES; $i++) array_unique5($aInput);
$aResults['array_unique5'] = microtime(1) - $fTime;

$fTime = microtime(1);
for ($i = 0; $i < HASH_TIMES; $i++) array_unique6($aInput);
$aResults['array_unique6'] = microtime(1) - $fTime;

$fTime = microtime(1);
for ($i = 0; $i < HASH_TIMES; $i++) array_unique7($aInput);
$aResults['array_unique7'] = microtime(1) - $fTime;

asort($aResults, SORT_NUMERIC);
foreach ($aResults as $sMethod => $fTime) {
    showResults($sMethod, $fTime, $aInput);
}

使用来自评论的 Christoph数据集的结果：

$aInput = array(); for($i = 0; $i < 1000; ++$i) $aInput[$i] = $i; for($i = 500; $i < 700; ++$i) $aInput[10000 + $i] = $i;

Testing 1200 array items of data over 1000 iterations:
array_unique6:  0.83235597610474
array_unique4:  0.84050011634827
array_unique5:  1.1954448223114
array_unique3:  2.2937450408936
array_unique7:  8.4412341117859
array_unique:   15.225166797638
array_unique2:  48.685120105743
于 2009-01-25T21:55:58.607 回答
1

PHP 的数组被实现为哈希表，即它们的性能特征与您对“真实”数组的期望不同。数组的键值对额外存储在链表中以允许快速迭代。

这解释了为什么您的实现与您朋友的相比如此缓慢：对于每个数字索引，您的算法必须进行哈希表查找，而foreach()-loop 只会遍历链表。

以下实现使用反向哈希表，可能是人群中最快的（由joe_mucchiello提供双重翻转）：

function array_unique2($array) {
    return array_flip(array_flip($array));
}

这仅在 的值$array是有效键（即整数或字符串）时才有效。

我还使用foreach()-loops 重新实现了您的算法。现在，对于小型数据集，它实际上比您朋友的要快，但仍然比通过以下解决方案慢array_flip()：

function array_unique3($array) {
    $unique_array = array();

    foreach($array as $current_key => $current_value) {
        foreach($unique_array as $old_value) {
            if($current_value === $old_value)
                continue 2;
        }
        $unique_array[$current_key] = $current_value;
    }

    return $unique_array;
}

对于大型数据集，内置版本array_unique()将优于除双翻转版本之外的所有其他版本。此外，in_array()您朋友使用的版本会比array_unique3().

总结一下：本机代码取胜！

还有另一个版本，它应该保留键及其顺序：

function array_flop($array) {
    $flopped_array = array();

    foreach($array as $key => $value) {
        if(!isset($flopped_array[$value]))
            $flopped_array[$value] = $key;
    }

    return $flopped_array;
}

function array_unique4($array) {
    return array_flip(array_flop($array));
}

这实际上是enobrev的array_unique3()- 我没有像我应该做的那样彻底检查他的实现......

于 2009-01-25T18:41:49.357 回答
0

PHP 的执行速度比原始机器代码（最有可能由 执行array_unique）慢。

你的第二个示例函数（你朋友写的那个）很有趣。我看不出它会比原生实现更快，除非原生实现是删除元素而不是构建新数组。

于 2009-01-25T18:43:03.257 回答
0

我承认我不太了解本机代码，但它似乎复制了整个数组，对其进行排序，然后循环遍历它以删除重复项。在这种情况下，您的第二段代码实际上是一种更有效的算法，因为添加到数组的末尾比从中间删除更便宜。

请记住，PHP 开发人员可能有充分的理由这样做。有人想问他们吗？

于 2009-01-25T20:15:26.907 回答
0

本机 PHP 函数array_unique是用 C 实现的。因此它比 PHP 快，必须先翻译。更重要的是，PHP 使用了与您不同的算法。正如我所看到的，PHP 首先使用快速排序对元素进行排序，然后在一次运行中删除重复项。

为什么他朋友的实现更快有他自己的？因为它使用更多的内置功能来尝试重新创建它们。

于 2009-01-25T20:32:08.700 回答