js面试题之数组去重对比

最近看一些面试题，很多都提到了数组去重，用的最多的不外乎就是下面这个例子

arr.filter(function(value,index,arr){
	　　return arr.indexOf(value,index+1) === -1
})

如果忽略其他因素，只从代码简洁度和易读性来说，这个代码确实是很好的，也确实体现了对js的掌握程度。

但是，从其他方面来说，这个代码是否就真的是很好的呢？作为一个曾经的半吊子acmer，效率恐怕是我最在意的东西了。那我们就来看下效率吧。

以下所有实验均基于nodejs环境。

首先，我们需要随机生成一个足够大的数组。这里就来个10万吧。然后跨度是1-10000。（为什么要提跨度，这个后面再说），然后记录下开始时间，并使用上面的代码跑一下，最后记录结束时间，并相减就可以了。

下面是代码

 var arr = [];
 //生成随机数组
 for (var i = 100000; i >= 0; i--) {
     arr.push(Math.ceil(Math.random()*10000));
 }

 //开始时间
 var now1 = new Date();
 var arr1 = arr.filter(function(value,index,arr){
     return arr.indexOf(value,index+1) === -1
 })
 // console.log(arr1.sort(function(a,b){
 //     return a-b;
 // }));
 //结束时间
 var now2 = new Date();
 console.log(now2-now1);

那么10万个跨度是10000的数组，效率是多少呢?

执行结果： 2000毫秒左右，3000毫秒以内（其他浏览器环境测试结果可能不尽相同）

这个效率，恩。。很一般。

我们看下代码也不难得出这个结论。filter效率为n，indexOf效率为n，又是嵌套的，那么效率就是n²了。（这里有小问题，下面会解答）

接下来是我自己想的两个去重的方法，对应不同的场景吧。

一：如果数组里面的值都是数字的话。那么，我们可以使用数字对应下标的方法来进行去重。比如说，我的数组是arr1=[1,3,3,3,5,6]，那么我就新开一个数组arr2，arr2的值就是[1,,1,,1,1]

也就是说，只要是arr1中出现过的值，我就在arr2中找到对应的下标，并且赋值为1。

 var now1 = new Date();

 //中间数组，用来记录arr出现过的值
 var tmp = [];
 arr.forEach(function(value){
     tmp[value] = 1;
 });

 var arr2 = [];
 tmp.filter(function(value,index){
     if(value === 1){
         arr2.push(index);
     }
 })

 var now2 = new Date();
 console.log(now2-now1);

执行结果： 5毫秒左右，10毫秒以内

那么这个结果就很明显，效率之间的差距不是一般的大。。。

从代码也可以看出来，都只有一层循环，那么效率就是O(n)了。还是非常快的。

二：使用sort进行排序。并使用filter过滤数组即可

 var now1 = new Date();
 //使用sort从小到大排序并过滤掉前后相同的元素
 var arr3 = arr.sort(function(a,b){
     return a-b;
 }).filter(function(value,index){
     return arr[index] !== arr[index-1];
 });
 var now2 = new Date();
 console.log(now2-now1);

执行结果： 80毫秒左右，100毫秒以内

可以看出来这个结果也还算可以（对比第一种）

不难看出来，node中sort的效率应该在nlogn（-。-废话么这不是）

并且2次遍历数组的消耗基本可以忽略不计（从第二种可以看出来）

那么为什么既然比第二个的效率低，又没第一个简洁，为什么要用这种方法呢，第一是可以扩宽思路，第二是因为这种方法的适用范围比第二种要高。

比如说，我要去重的数组不是数字，而是字符。那么第二种方法就无法使用（可以使用对象来实现，不过不知道对象遍历的效率高不高，留作以后测试）。并且， 第一种方法如果其中有一个数字为10E，那么空间消耗就很大（js中不确定，大部分语言是这样）。因为要开一个10E的数组。。。以前比赛的时候用c开个1000万的数组就超了。

三个方法放一次看下：

 var arr = [];
 //生成随机数组
 for (var i = 100000; i >= 0; i--) {
     arr.push(Math.ceil(Math.random()*10000));
 }

 //开始时间
 var now1 = new Date();
 var arr1 = arr.filter(function(value,index,arr){
     return arr.indexOf(value,index+1) === -1
 })

 //结束时间
 var now2 = new Date();
 console.log(now2-now1);

 console.log("------------------------");

 now1 = new Date();

 //中间数组，用来记录arr出现过的值
 var tmp = [];
 arr.forEach(function(value){
     tmp[value] = 1;
 });

 var arr2 = [];
 tmp.filter(function(value,index){
     if(value === 1){
         arr2.push(index);
     }
 })

 now2 = new Date();
 console.log(now2-now1);

 console.log("------------------------");

 now1 = new Date();
 //使用sort从小到大排序并过滤掉前后相同的元素
 arr3 = arr.sort(function(a,b){
     return a-b;
 }).filter(function(value,index){
     return arr[index] !== arr[index-1];
 });
 //过滤数组
 now2 = new Date();
 console.log(now2-now1);

效率对比就非常明显了。

下面来说一下之前留下的坑：

1、为什么要用跨度呢，因为实验中发现（一开始并没有细想），如果数组跨度越下，那么第一种方法的速度就越快，但是其他两种，尤其是第二种的变化幅度就没那么剧烈，这是为什么呢？

其实是因为，indexOf的机制造成的。indexOf的实现是从你规定的位置开始往后找，找到第一个就停下来。所以很明显的，如果跨度越小，那么出现重复数字的几率就越高，那么就越有可能很快有返回结果，所以跨度越小就会越接近n的效率。

反观其他两个方法，不管你跨度多少，影响的都是数组的长度，那么影响就只在遍历一遍数组的效率这方面，所以就很小。

2、其实第一种方法的2000毫秒左右的效率是基于是随机数组的情况下，那么如果我们把数组改成顺序数组，也就是没有重复的数组呢？

我们来试验一下

var arr = [];
//生成顺序数组
for (var i = 100000; i >= 0; i--) {
    arr.push(i);
}

看到了吧，这才是真正的n²的效率，之前的2000毫秒和这个还是有常数级别的区别的。

我们还发现，第三种方法的速度也变久了。将近翻了一倍，这个的话应该是sort内部实现的问题，我也不知道node内部sort使用的是什么排序，不过排序方法一般都是对顺序或者倒序和随机之间有一定的差距，这个很正常。

实验做完了，我们来总结一下：

第一种：

优点：简洁，明了，一定程度上可以看出对js的掌握程度，适用范围很广，并且不会改变数组元素的相对位置（分为对后去重和对前去重两种）。

缺点：效率非常慢，尤其是在重复数非常少的情况下。

第二种：

优点：速度非常快，受其他因素影响小（如果数量少，跨度大的话，也就是稀疏数组，反而会比其他的慢）。

缺点：适用范围比较小，只能适合数字数组，并且数组不能过大。如果为其他数组，可以使用对象作为数组。遍历使用for in 即可，效率和第三种差距不大。代码如下，可自行实验。

 var now1 = new Date();

 //中间对象
 var tmp = {};
 arr.forEach(function(value){
     tmp[value+'we'] = 1;
 })

 var arr3 = [];
 for(index in tmp){
     if(tmp[index] === 1){
         arr3.push(index);
     }
 }

 var now2 = new Date();
 console.log(now2-now1);

第三种：

优点：速度相对较快，受其他因素影响不大，适用范围也相对较广。

缺点：中轨终于，适用范围不如第一种大，速度不如第三种快。会受其他因素一定的影响。