Массивы PHP - удаление дубликатов (временная сложность)

Ответ 1

Пока я не могу говорить о встроенной функции array_unique, могу сказать, что алгоритм ваших друзей быстрее, потому что:

• Он использует одиночный цикл foreach, а не ваш цикл double for().
• Циклы forach обычно работают быстрее, чем для циклов в PHP.
• Он использовал одно, если (!) сравнение, когда вы использовали две структуры if()
• Единственный дополнительный вызов функции, созданный вашим другом, был in_array, тогда как вы дважды вызывали count().
• Вы сделали три объявления переменных, которые ваш друг не имел ($ a, $current_is_unique, $current_index)

Хотя ни один из этих факторов не является огромным, я могу видеть, где кумулятивный эффект заставит ваш алгоритм занять больше времени, чем ваши друзья.

Ответ 2

Сложность времени in_array() равна O (n). Чтобы увидеть это, мы рассмотрим исходный код PHP.

Функция in_array() реализована в ext/standard/array.c. Все, что он делает, это вызов php_search_array(), который содержит следующий цикл:

while (zend_hash_get_current_data_ex(target_hash, (void **)&entry, &pos) == SUCCESS) {

    // checking the value...

    zend_hash_move_forward_ex(target_hash, &pos);
}

То, откуда возникает линейная характеристика.

Это общая характеристика алгоритма, поскольку zend_hash_move_forward_ex() имеет постоянное поведение: глядя на Zend/zend_hash.c, мы видим, что он в основном просто

*current = (*current)->pListNext;

Что касается временной сложности array_unique():

• сначала будет создана копия массива, которая представляет собой операцию с линейной характеристикой
• тогда будет создан массив C struct bucketindex, и указатели в нашу копию массива будут помещены в эти ведра - снова линейная характеристика
• тогда bucketindex -array будет отсортирован по сортировке uss quicksort - n log n в среднем
• и, наконец, отсортированный массив будет пройден, и дубликаты записей будут удалены из нашей копии массива - это должно быть линейным снова, предполагая, что удаление из нашего массива является операцией с постоянным временем

Надеюсь, что это поможет;)

Ответ 3

Попробуйте этот алгоритм. Он использует тот факт, что поиск ключей быстрее, чем in_array():

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);
}

Ответ 4

в ответе имеет несколько замечаний в отношении того, почему ваш метод друзей превосходит ваш. Заинтригованный беседой, следующей за Кристофом , я решил провести некоторые тесты самостоятельно.

Кроме того, я пробовал это с различной длиной случайных строк, и хотя результаты были разными, порядок был одинаков. Для краткости я использовал 6 символов в этом примере.

Обратите внимание, что array_unique5 фактически имеет те же ключи, что и native, 2 и 3, но просто выдает в другом порядке.

Результаты...

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',  )

И Код...

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);
}

Результаты с использованием данных Кристофа из комментариев:

$aInput = array(); for($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

Ответ 5

Массивы PHP реализованы как хеш-таблицы, т.е. их характеристики производительности отличаются от того, что вы ожидаете от "реальных" массивов. Пара ключей-значений массива дополнительно сохраняется в связанном списке, чтобы обеспечить быструю итерацию.

Это объясняет, почему ваша реализация настолько медленна по сравнению с вашим другом: для каждого числового индекса ваш алгоритм должен выполнять поиск хеш-таблицы, тогда как foreach() -loop будет просто перебирать связанный список.

В следующей реализации используется обратная хеш-таблица и, возможно, самая быстрая из них (двурушная любезность joe_mucchiello):

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

Это будет работать, только если значения $array являются допустимыми ключами, то есть целыми числами или строками.

Я также повторил ваш алгоритм с помощью foreach() -loops. Теперь это будет быстрее, чем ваш друг для небольших наборов данных, но все же медленнее, чем решение через array_flip():

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;
}

Для больших наборов данных встроенная версия array_unique() будет превосходить все остальные, кроме двухстрочного. Кроме того, версия, использующая in_array() вашим другом, будет быстрее, чем array_unique3().

Подводя итог: собственный код для победы!

Еще одна версия, которая должна сохранять ключи и их порядок:

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));
}

Это фактически enobrev array_unique3() - я не проверял его реализации так же тщательно, как должен был...

Ответ 6

PHP работает медленнее, чем исходный машинный код (который, скорее всего, выполняется array_unique).

Ваша вторая примерная функция (написанная вашим другом) интересна. Я не вижу, как это будет быстрее, чем встроенная реализация, если только native не удаляет элементы, а не создает новый массив.

Ответ 7

Я признаю, что я не очень хорошо понимаю собственный код, но, похоже, он копирует весь массив, сортирует его, а затем циклически удаляет дубликаты. В этом случае ваш второй фрагмент кода на самом деле является более эффективным алгоритмом, так как добавление в конец массива дешевле, чем удаление с середины его.

Имейте в виду, что у разработчиков PHP, вероятно, была хорошая причина для этого, как они это делают. Кто-нибудь хочет спросить их?

Ответ 8

Собственная функция PHP array_unique реализована в C. Таким образом, он быстрее PHP, который должен быть переведен первым. Более того, PHP использует другой алгоритм, чем вы. Как я вижу, PHP сначала использует Quick sort для сортировки элементов, а затем удаляет дубликаты за один проход.

Почему у его друзей быстрее скорость, чем у его друзей? Поскольку он использует больше встроенных функций, которые пытаются их воссоздать.