找到差异的Lambda表达式
有以下数据
string[] data = { "a", "a", "b" };
我非常想找到重复项并得到这个结果:
a
我尝试了以下代码
var a = data.Distinct().ToList(); var b = a.Except(a).ToList();
显然这不起作用,我可以看到上面发生了什么,但我不知道如何解决它。
当运行时没问题时,您可以使用
var duplicates = data.Where(s => data.Count(t => t == s) > 1).Distinct().ToList();
好老O(n ^ n)=)
编辑:现在寻求更好的解决方案。 =)如果你定义一个新的扩展方法,如
static class Extensions { public static IEnumerable Duplicates (this IEnumerable input) { HashSet hash = new HashSet (); foreach (T item in input) { if (!hash.Contains(item)) { hash.Add(item); } else { yield return item; } } } }
您可以使用
var duplicates = data.Duplicates().Distinct().ToArray();
使用group by stuff,这些方法的表现相当不错。 如果您正在处理大型数据集,那么唯一关注的是大量内存开销。
from g in (from x in data group x by x) where g.Count() > 1 select g.Key;
– 或者如果您更喜欢扩展方法
data.GroupBy(x => x) .Where(x => x.Count() > 1) .Select(x => x.Key)
其中Count() == 1
这是你的不同项目,而Count() > 1
是一个或多个重复项目。
由于LINQ有点懒惰,如果你不想重新计算你的计算,你可以这样做:
var g = (from x in data group x by x).ToList(); // grouping result // duplicates from x in g where x.Count() > 1 select x.Key; // distinct from x in g where x.Count() == 1 select x.Key;
创建分组时,将创建一组集。 假设它是具有O(1)
插入的集合,则通过逼近的组的运行时间是O(n)
。 每项操作产生的成本有些高,但它应该等于接近线性的性能。
对数据进行排序,遍历它并记住最后一项。 当前项目与最后一项相同时,它是重复的。 这可以通过迭代或在O(n * log(n))时间内使用lambda表达式轻松实现。