在.NET中有效地合并字符串数组,保持不同的值

时间:2008-09-28 17:59:01

标签: c# linq arrays merge distinct

我正在使用.NET 3.5。我有两个字符串数组,可以共享一个或多个值:

string[] list1 = new string[] { "apple", "orange", "banana" };
string[] list2 = new string[] { "banana", "pear", "grape" };

我想要一种方法将它们合并到一个没有重复值的数组中:

{ "apple", "orange", "banana", "pear", "grape" }

我可以使用LINQ执行此操作:

string[] result = list1.Concat(list2).Distinct().ToArray();

但我认为对于大型阵列来说效率不高。

有更好的方法吗?

6 个答案:

答案 0 :(得分:93)

string[] result = list1.Union(list2).ToArray();
来自msdn

:“此方法从返回集中排除重复。这是Concat(TSource)方法的不同行为,它返回输入序列中的所有元素,包括重复。”

答案 1 :(得分:12)

为什么你会想到效率低下?据我所知,Concat和Distinct都被懒惰地评估,在幕后使用HashSet为Distinct跟踪已经返回的元素。

我不确定你是如何设法让它比一般方式更有效率:)

EDIT:Distinct实际上使用Set(内部类)而不是HashSet,但要点仍然是正确的。这是LINQ多么简洁的一个很好的例子。最简单的答案与没有更多领域知识的情况一样高效。

效果相当于:

public static IEnumerable<T> DistinctConcat<T>(IEnumerable<T> first, IEnumerable<T> second)
{
    HashSet<T> returned = new HashSet<T>();
    foreach (T element in first)
    {
        if (returned.Add(element))
        {
            yield return element;
        }
    }
    foreach (T element in second)
    {
        if (returned.Add(element))
        {
            yield return element;
        }
    }
}

答案 2 :(得分:3)

.NET 3.5引入了可以执行此操作的HashSet类:

IEnumerable<string> mergedDistinctList = new HashSet<string>(list1).Union(list2);

不确定性能,但它应该超过您给出的Linq示例。

编辑: 我纠正了。 Concat和Distinct的延迟实现具有关键的内存和速度优势。 Concat / Distinct的速度提高了约10%,并节省了多个数据副本。

我通过代码确认:

Setting up arrays of 3000000 strings overlapping by 300000
Starting Hashset...
HashSet: 00:00:02.8237616
Starting Concat/Distinct...
Concat/Distinct: 00:00:02.5629681

是输出:

        int num = 3000000;
        int num10Pct = (int)(num / 10);

        Console.WriteLine(String.Format("Setting up arrays of {0} strings overlapping by {1}", num, num10Pct));
        string[] list1 = Enumerable.Range(1, num).Select((a) => a.ToString()).ToArray();
        string[] list2 = Enumerable.Range(num - num10Pct, num + num10Pct).Select((a) => a.ToString()).ToArray();

        Console.WriteLine("Starting Hashset...");
        Stopwatch sw = new Stopwatch();
        sw.Start();
        string[] merged = new HashSet<string>(list1).Union(list2).ToArray();
        sw.Stop();
        Console.WriteLine("HashSet: " + sw.Elapsed);

        Console.WriteLine("Starting Concat/Distinct...");
        sw.Reset();
        sw.Start();
        string[] merged2 = list1.Concat(list2).Distinct().ToArray();
        sw.Stop();
        Console.WriteLine("Concat/Distinct: " + sw.Elapsed);

答案 3 :(得分:2)

免责声明这是过早优化。对于示例数组,请使用3.5扩展方法。在您知道此区域存在性能问题之前,您应该使用库代码。


如果您可以对数组进行排序,或者在到达代码中的那一点时对它们进行排序,则可以使用以下方法。

这些将从两者中拉出一个项目,并生成“最低”项目,然后从相应的源获取新项目,直到两个源都用完为止。如果从两个源获取的当前项是相同的,它将从第一个源生成一个,并在两个源中跳过它们。

private static IEnumerable<T> Merge<T>(IEnumerable<T> source1,
    IEnumerable<T> source2)
{
    return Merge(source1, source2, Comparer<T>.Default);
}

private static IEnumerable<T> Merge<T>(IEnumerable<T> source1,
    IEnumerable<T> source2, IComparer<T> comparer)
{
    #region Parameter Validation

    if (Object.ReferenceEquals(null, source1))
        throw new ArgumentNullException("source1");
    if (Object.ReferenceEquals(null, source2))
        throw new ArgumentNullException("source2");
    if (Object.ReferenceEquals(null, comparer))
        throw new ArgumentNullException("comparer");

    #endregion

    using (IEnumerator<T>
        enumerator1 = source1.GetEnumerator(),
        enumerator2 = source2.GetEnumerator())
    {
        Boolean more1 = enumerator1.MoveNext();
        Boolean more2 = enumerator2.MoveNext();

        while (more1 && more2)
        {
            Int32 comparisonResult = comparer.Compare(
                enumerator1.Current,
                enumerator2.Current);
            if (comparisonResult < 0)
            {
                // enumerator 1 has the "lowest" item
                yield return enumerator1.Current;
                more1 = enumerator1.MoveNext();
            }
            else if (comparisonResult > 0)
            {
                // enumerator 2 has the "lowest" item
                yield return enumerator2.Current;
                more2 = enumerator2.MoveNext();
            }
            else
            {
                // they're considered equivalent, only yield it once
                yield return enumerator1.Current;
                more1 = enumerator1.MoveNext();
                more2 = enumerator2.MoveNext();
            }
        }

        // Yield rest of values from non-exhausted source
        while (more1)
        {
            yield return enumerator1.Current;
            more1 = enumerator1.MoveNext();
        }
        while (more2)
        {
            yield return enumerator2.Current;
            more2 = enumerator2.MoveNext();
        }
    }
}

请注意,如果其中一个源包含重复项,您可能会在输出中看到重复项。如果要在已排序的列表中删除这些重复项,请使用以下方法:

private static IEnumerable<T> CheapDistinct<T>(IEnumerable<T> source)
{
    return CheapDistinct<T>(source, Comparer<T>.Default);
}

private static IEnumerable<T> CheapDistinct<T>(IEnumerable<T> source,
    IComparer<T> comparer)
{
    #region Parameter Validation

    if (Object.ReferenceEquals(null, source))
        throw new ArgumentNullException("source");
    if (Object.ReferenceEquals(null, comparer))
        throw new ArgumentNullException("comparer");

    #endregion

    using (IEnumerator<T> enumerator = source.GetEnumerator())
    {
        if (enumerator.MoveNext())
        {
            T item = enumerator.Current;

            // scan until different item found, then produce
            // the previous distinct item
            while (enumerator.MoveNext())
            {
                if (comparer.Compare(item, enumerator.Current) != 0)
                {
                    yield return item;
                    item = enumerator.Current;
                }
            }

            // produce last item that is left over from above loop
            yield return item;
        }
    }
}

请注意,这些都不会在内部使用数据结构来保存数据的副本,因此如果输入已排序,它们将很便宜。如果您不能或不会保证,您应该使用您已经找到的3.5扩展方法。

以下是调用上述方法的示例代码:

String[] list_1 = { "apple", "orange", "apple", "banana" };
String[] list_2 = { "banana", "pear", "grape" };

Array.Sort(list_1);
Array.Sort(list_2);

IEnumerable<String> items = Merge(
    CheapDistinct(list_1),
    CheapDistinct(list_2));
foreach (String item in items)
    Console.Out.WriteLine(item);

答案 4 :(得分:1)

可能使用您的值作为键创建哈希表(仅添加尚未存在的哈希表),然后将键转换为数组可能是一个可行的解决方案。

答案 5 :(得分:1)

在测量之前,您不知道哪种方法更快。 LINQ方式优雅且易于理解。

另一种方法是将集合实现为散列数组(Dictionary),并将两个数组的所有元素添加到集合中。然后使用set.Keys.ToArray()方法创建结果数组。