- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我想删除数据中的重复值。我知道这是 stackoverflow 中经常出现的问题,但我的问题有点不同,因为现在我正在处理非常大的数据。因此我必须在代码中首先考虑执行时间。
如下面的代码片段所示,我编写了一个简单的代码来删除重复的值。
// Suppose that the dataset is very huge so that
// multi-node resources should be necessary.
String[] data = new String[10_000_000];
HashMap<String, String> uniqueItems = new HashMap<>();
for (int i = 0; i < data.length; i++) {
if (uniqueItems.containsKey(data[i])) {
uniqueItems.remove(data[i]);
uniqueItems.put(data[i], "inserted");
} else {
uniqueItems.put(data[i], "inserted");
}
}
但是,我不喜欢它,因为我认为其他更好的数据结构或不同的算法可以比我的代码更有效地删除重复项。
所以我想寻找更好的方法,在数据较大时快速去除重复值。
如果您能让我知道删除重复值的最快方法,我将不胜感激。
而且,我想知道重复值的数量是否会影响性能。我的意思是,如果重复值是原始数据的 50%,那么最佳算法和数据结构的选择将会改变?如果是这样,我想找到一种在一般情况下能够获得良好性能的方法。
最佳答案
转换您的uniqueItems
到 HashSet<String>
和你的for循环来简单地:
uniqueItems.add(data[i]);
如果add
返回true
然后你插入了一个唯一的字符串; false
如果重复。
在最好的情况下,两种算法都应该在 O(n) 时间内运行,但使用 HashMap
当您不关心值(对于给定键)时,这是愚蠢的并且浪费资源。一个HashSet
更适合这种情况。
您也可以尝试 TreeSet<String>
查看最适合您的特定数据集的方法。考虑到 JDK 8 新的 HashSet
,情况可能会更糟。实现:过度拥挤的存储桶会自动存储为迷你树集,即使在哈希函数表现不佳时也能提供有竞争力的性能。 (此优化仅适用于 Comparable
类型,例如 String
。)
暴力搜索数组。在一个简单的基于数组的算法中,在插入每个元素之前搜索整个数组,您将获得非常糟糕的 O(n²) 性能。
因此,您可能会想先对数据进行排序,将重复的元素靠近放置。这将为您带来更快的 O(n log n) 性能,但仍落后于 HashMap/HashSet
一般情况下的版本。
理论上线性是最好的。如果不至少访问每个元素一次,就无法检测所有重复项。因此,我们当前的 O(n) 时间复杂度确实是您可以做到的最好的时间复杂度。
当然,您始终可以尝试减少 Big O notation 中的一些隐藏常量 ,但你不会得到渐近更好的算法。
关于java - Java 中删除重复项的最快、最有效的方法,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/44047720/
我想了解 Ruby 方法 methods() 是如何工作的。 我尝试使用“ruby 方法”在 Google 上搜索,但这不是我需要的。 我也看过 ruby-doc.org,但我没有找到这种方法。
Test 方法 对指定的字符串执行一个正则表达式搜索,并返回一个 Boolean 值指示是否找到匹配的模式。 object.Test(string) 参数 object 必选项。总是一个
Replace 方法 替换在正则表达式查找中找到的文本。 object.Replace(string1, string2) 参数 object 必选项。总是一个 RegExp 对象的名称。
Raise 方法 生成运行时错误 object.Raise(number, source, description, helpfile, helpcontext) 参数 object 应为
Execute 方法 对指定的字符串执行正则表达式搜索。 object.Execute(string) 参数 object 必选项。总是一个 RegExp 对象的名称。 string
Clear 方法 清除 Err 对象的所有属性设置。 object.Clear object 应为 Err 对象的名称。 说明 在错误处理后,使用 Clear 显式地清除 Err 对象。此
CopyFile 方法 将一个或多个文件从某位置复制到另一位置。 object.CopyFile source, destination[, overwrite] 参数 object 必选
Copy 方法 将指定的文件或文件夹从某位置复制到另一位置。 object.Copy destination[, overwrite] 参数 object 必选项。应为 File 或 F
Close 方法 关闭打开的 TextStream 文件。 object.Close object 应为 TextStream 对象的名称。 说明 下面例子举例说明如何使用 Close 方
BuildPath 方法 向现有路径后添加名称。 object.BuildPath(path, name) 参数 object 必选项。应为 FileSystemObject 对象的名称
GetFolder 方法 返回与指定的路径中某文件夹相应的 Folder 对象。 object.GetFolder(folderspec) 参数 object 必选项。应为 FileSy
GetFileName 方法 返回指定路径(不是指定驱动器路径部分)的最后一个文件或文件夹。 object.GetFileName(pathspec) 参数 object 必选项。应为
GetFile 方法 返回与指定路径中某文件相应的 File 对象。 object.GetFile(filespec) 参数 object 必选项。应为 FileSystemObject
GetExtensionName 方法 返回字符串,该字符串包含路径最后一个组成部分的扩展名。 object.GetExtensionName(path) 参数 object 必选项。应
GetDriveName 方法 返回包含指定路径中驱动器名的字符串。 object.GetDriveName(path) 参数 object 必选项。应为 FileSystemObjec
GetDrive 方法 返回与指定的路径中驱动器相对应的 Drive 对象。 object.GetDrive drivespec 参数 object 必选项。应为 FileSystemO
GetBaseName 方法 返回字符串,其中包含文件的基本名 (不带扩展名), 或者提供的路径说明中的文件夹。 object.GetBaseName(path) 参数 object 必
GetAbsolutePathName 方法 从提供的指定路径中返回完整且含义明确的路径。 object.GetAbsolutePathName(pathspec) 参数 object
FolderExists 方法 如果指定的文件夹存在,则返回 True;否则返回 False。 object.FolderExists(folderspec) 参数 object 必选项
FileExists 方法 如果指定的文件存在返回 True;否则返回 False。 object.FileExists(filespec) 参数 object 必选项。应为 FileS
我是一名优秀的程序员,十分优秀!