Question

好的，这不是“如何获取所有唯一身份”或“如何从我的数组中删除重复项”的问题。这是一个关于时间复杂性的问题。

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; 
}

然而，在对array_unique进行基准测试时，得到了以下结果：

测试（array_unique2）...操作花了0.52146291732788 s。

测试（array_unique）...操作花了0.28323101997375 s。

这使得array_unique的速度提高了两倍，我的问题是，为什么（两者都有相同的随机数据）？

我的一位朋友写了以下内容：

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

的速度是php中内置速度的两倍。

我想知道，为什么？

array_unique和in_array的时间复杂度是什么？

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

Answer 1

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

他使用单个foreach循环而不是双重for（）循环。
Foreach循环比PHP中的循环执行速度更快。
当你使用两个if（）结构
你朋友制作的唯一附加函数是in_array而你两次调用count（）。
你做了三个你的朋友不需要的变量声明（$ a，$ current_is_unique，$ current_index）

虽然这些因素都不是很大，但我可以看到累积效应会使你的算法花费的时间比朋友长。

Answer 2

in_array()的时间复杂度为 O（n）。要看到这一点，我们会看一下PHP source code。

in_array()功能在ext/standard/array.c中实施。所有这一切都是调用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array_unique()的时间复杂度：

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，将创建一个struct bucketindex的C数组，并将指向我们数组副本的指针放入这些存储桶 - 线性特征
然后，bucketindex - 数组将按快速排序 - n log n
最后，排序的数组将被遍历，并且重复的条目将从我们的数组副本中删除 - 这应该是 linear ，假设从我们的数组中删除是一个恒定的时间操作

希望这会有所帮助;）

Answer 3

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);
}

Answer 4

Gabriel's answer对于为什么你朋友的方法胜过你的方法有一些很好的观点。受到Christoph's answer之后的对话的兴趣，我决定对自己进行一些测试。

另外，我尝试使用不同长度的随机字符串，尽管结果不同，但顺序是相同的。为简洁起见，我在这个例子中使用了6个字符。

请注意，array_unique5实际上具有与native，2和3相同的键，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',  )

和守则......

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);
}

使用评论中的Christoph's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

Answer 5

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

这解释了为什么你的实现与你朋友的实现相比很慢：对于每个数字索引，你的算法必须进行哈希表查找，而foreach() - 循环只会迭代链表。

以下实现使用反向哈希表，可能是最快的人群（双重翻转由 joe_mucchiello 提供）：

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

这仅在$array的值是有效键（即整数或字符串）时才有效。

我还使用foreach() - 循环重新实现了算法。现在，它实际上比你朋友的小数据集更快，但仍比array_flip()的解决方案慢：

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()将胜过除双重翻转之外的所有其他版本。此外，您的朋友使用in_array()的版本将比array_unique3()快。

总结：获胜的原生代码！

另一个版本，它应该保留密钥及其顺序：

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() - 我没有像我应该的那样彻底检查他的实施......

Answer 6

PHP执行速度比原始机器代码慢（很可能由array_unique执行）。

你的第二个例子函数（你朋友写的那个）很有趣。我没有看到它比原生实现更快，除非本机实现删除元素而不是构建新数组。

Answer 7

我承认我不太了解本机代码，但它似乎复制整个数组，对其进行排序，然后循环删除重复项。在这种情况下，你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按照他们的方式执行此操作。有人想问他们吗？

Answer 8

本机PHP函数array_unique是implemented in C。因此它比PHP快，必须首先进行翻译。而且，PHP使用的算法与您使用的算法不同。在我看来，PHP首先使用Quick sort对元素进行排序，然后在一次运行中删除重复项。

为什么他的朋友的实施更快有他自己的？因为它使用了更多内置功能来尝试重新创建它们。

PHP数组 - 删除重复项（时间复杂度）

8 个答案: