Question

我们说我有一个重复值列表，我想删除重复项。

List<int> myList = new List<int>(Enumerable.Range(0, 10000));

// adding a few duplicates here
myList.Add(1); 
myList.Add(2);
myList.Add(3);

我找到了3种方法来解决这个问题：

List<int> result1 = new HashSet<int>(myList).ToList(); //3700 ticks
List<int> result2 = myList.Distinct().ToList(); //4700 ticks
List<int> result3 = myList.GroupBy(x => x).Select(grp => grp.First()).ToList(); //18800 ticks
//referring to pinturic's comment:
List<int> result4 = new SortedSet<int>(myList).ToList(); //18000 ticks

在SO的大多数答案中， Distinct 方法显示为＆＃34;正确的＆＃34;，但HashSet总是更快！

我的问题：当我使用 HashSet 方法时，我还有什么必须注意的，还有另一种更有效的方法吗？

Answer 1

这两种方法之间存在很大差异：

List<int> Result1 = new HashSet<int>(myList).ToList(); //3700 ticks
List<int> Result2 = myList.Distinct().ToList(); //4700 ticks

第一个可以（可能）更改返回的List<>元素的顺序：Result1元素与myList＆＃的顺序不一样39; s。第二个维持原始排序。

可能没有比第一种更快的方法。

可能没有更正确的＆＃34; （对于＆＃34;正确＆＃34;基于排序）的某个定义而不是第二个。

（第三个类似于第二个，只是更慢）

出于好奇，Distinct()是：

// Reference source http://referencesource.microsoft.com/#System.Core/System/Linq/Enumerable.cs,712
public static IEnumerable<TSource> Distinct<TSource>(this IEnumerable<TSource> source) {
    if (source == null) throw Error.ArgumentNull("source");
    return DistinctIterator<TSource>(source, null);
}

// Reference source http://referencesource.microsoft.com/#System.Core/System/Linq/Enumerable.cs,722
static IEnumerable<TSource> DistinctIterator<TSource>(IEnumerable<TSource> source, IEqualityComparer<TSource> comparer) {
    Set<TSource> set = new Set<TSource>(comparer);
    foreach (TSource element in source)
        if (set.Add(element)) yield return element;
}

所以最后Distinct()只使用HashSet<>的内部实现（称为Set<>）来检查项目的唯一性。

为了完整起见，我会添加问题Does C# Distinct() method keep original ordering of sequence intact?的链接

从List中删除重复项的最有效方法

1 个答案: