测试两个IEnumerable <t>是否具有相同频率的相同值</t>

时间:2011-01-02 01:54:49

标签: c# linq set

我有两个多字节,都是IEnumerables,我想比较它们。

string[] names1 = { "tom", "dick", "harry" };
string[] names2 = { "tom", "dick", "harry", "harry"};
string[] names3 = { "tom", "dick", "harry", "sally" };
string[] names4 = { "dick", "harry", "tom" };

希望names1 == names4返回true(并且self == self显然返回true)
但所有其他组合都返回错误。

最有效的方法是什么?这些可以是大量的复杂对象。

我看着做:
var a = name1.orderby<MyCustomType, string>(v => v.Name);
var b = name4.orderby<MyCustomType, string>(v => v.Name);

return a == b;

4 个答案:

答案 0 :(得分:12)

首先排序,然后使用Enumerable.SequenceEqual。如果类型实现IEquatable<MyCustomType>或覆盖Equals,则可以使用第一个重载;否则你将不得不使用第二个表格并提供自己的IEqualityComparer<MyCustomType>

因此,如果您的类型确实实现了相等,那么只需执行:

return a.SequenceEqual(b);

这是另一个更快,更安全,无需排序的选项:

public static bool UnsortedSequencesEqual<T>(
    this IEnumerable<T> first,
    IEnumerable<T> second)
{
    return UnsortedSequencesEqual(first, second, null);
}

public static bool UnsortedSequencesEqual<T>(
    this IEnumerable<T> first,
    IEnumerable<T> second,
    IEqualityComparer<T> comparer)
{
    if (first == null)
        throw new ArgumentNullException("first");

    if (second == null)
        throw new ArgumentNullException("second");

    var counts = new Dictionary<T, int>(comparer);

    foreach (var i in first) {
        int c;
        if (counts.TryGetValue(i, out c))
            counts[i] = c + 1;
        else
            counts[i] = 1;
    }

    foreach (var i in second) {
        int c;
        if (!counts.TryGetValue(i, out c))
            return false;

        if (c == 1)
            counts.Remove(i);
        else
            counts[i] = c - 1;
    }

    return counts.Count == 0;
}

答案 1 :(得分:11)

最有效的方法取决于数据类型。一个非常短的合理有效的O(N)解决方案如下:

var list1Groups=list1.ToLookup(i=>i);
var list2Groups=list2.ToLookup(i=>i);
return list1Groups.Count == list2Groups.Count 
   && list1Groups.All(g => g.Count() == list2Groups[g.Key].Count());

这些项目必须具有有效的EqualsGetHashcode实施。

如果你想要一个更快的解决方案,cdhowie下面的解决方案是相对较快的@ 10000元素,并且对于大型简单对象集合而言提前5倍 - 可能是由于更好的内存效率。

最后,如果你对性能真的很感兴趣,我肯定尝试 Sort-then-SequenceEqual方法。虽然它的复杂性更差,但这只是一个log N因素,并且绝对可以通过所有实际数据集大小的常量差异来淹没 - 并且您可能能够就地排序,使用数组甚至逐步排序(可以是线性的)。即使是40亿个元素,log-base-2也只有32个;这是一个相关的性能差异,但恒定因子的差异可以想象得更大。例如,如果你正在处理整数数组并且不介意修改集合顺序,那么即使对于10000000个项目(以下是两倍,并且我在32位上得到一个OutOfMemory),以下任何一个选项都要快:

Array.Sort(list1);
Array.Sort(list2);
return list1.SequenceEqual(list2);

YMMV取决于机器,数据类型,月球周期以及影响微基准的其他常见因素。

答案 2 :(得分:1)

您可以使用二叉搜索树来确保数据已排序。这将使其成为O(log N)操作。然后,您可以一次遍历每个树一个项目,并在找到不等于条件时立即中断。这也将为您提供额外的好处,即能够首先比较两棵树的大小,因为重复将被过滤掉。我假设这些被视为集合,其中{“harry”,“harry”} == {“harry”)。

如果您正在计算重复项,请先执行快速排序或合并排序,然后使比较操作成为O(N)操作。你当然可以首先比较大小,因为如果大小不同,两个枚举不能相等。由于数据已排序,因此您遇到的第一个不相等的条件会将整个操作呈现为“不相等”。

答案 3 :(得分:0)

@ cdhowie的答案很棒,但这里有一个很好的技巧,通过在将参数分解为.Count之前将该值进行比较,使得声明IEnumerable的类型更好。除了他的解决方案之外,只需将其添加到您的代码中:

    public static bool UnsortedSequencesEqual<T>(this IReadOnlyList<T> first, IReadOnlyList<T> second, IEqualityComparer<T> comparer = null)
    {
        if (first.Count != second.Count)
        {
            return false;
        }

        return UnsortedSequencesEqual((IEnumerable<T>)first, (IEnumerable<T>)second, comparer);
    }