前言
關於C#中默認的Distinct方法在什么情況下才能去重,這個就不用我再多講,針對集合對象去重默認實現將不再滿足,於是乎我們需要自定義實現來解決這個問題,接下來我們詳細講解幾種常見去重方案,孰好孰歹自行判之。
分組
首先給出我們需要用到的對象,如下:
public class Person { public string Name { get; set; } public int Age { get; set; } }
接下來我們添加100萬條數據到集合中,如下:
var list = new List<Person>(); for (int i = 0; i < 1000000; i++) { list.Add(new Person() { Age = 18, Name = "jeffcky" }); }
接下來我們對年齡和名稱進行分組,然后取第一條即可達到去重,如下:
list = list.GroupBy(d => new { d.Age, d.Name }) .Select(d => d.FirstOrDefault()) .ToList();
擴展方法(HashSet去重)
我們知道在C#中HashSet對於重復元素會進行過濾篩選,所以我們寫下如下擴展方法,遍歷集合元素,最后利用HashSet進行過濾達到去重目的,如下:
public static IEnumerable<TSource> Distinct<TSource, TKey>( this IEnumerable<TSource> source, Func<TSource, TKey> keySelector) { var hashSet = new HashSet<TKey>(); foreach (TSource element in source) { if (hashSet.Add(keySelector(element))) { yield return element; } } }
最后調用上述擴展方法即可去重,如下:
list = list.Distinct(d => new { d.Age, d.Name }).ToList();
擴展方法(IEqualityComparer去重)
在實際項目中有很多通過具體實現類實現該接口,通過重寫Equals和HashCode比較屬性值來達到去重目的,因為對於每一個類都得實現對應比較器,所以並不通用,反而利用上述方式才是最佳,其實我們大可借助該比較接口實現通用解決方案,對於每一個類都得實現一個比較器的原因在於,我們將屬性比較放在類該接口內部,如果我們將屬性比較放在外圍呢,這個時候就達到了通用解決方案,那么我們怎么實現呢,通過委托來實現,實現該接口的本質無非就是比較HashCode,然后通過Equals比較其值,當比較HashCode時,我們強制其值為一個常量(比如0),當重寫Equals方法我們調用委托即可,如下:
public static class Extensions { public static IEnumerable<T> Distinct<T>( this IEnumerable<T> source, Func<T, T, bool> comparer) where T : class => source.Distinct(new DynamicEqualityComparer<T>(comparer)); private sealed class DynamicEqualityComparer<T> : IEqualityComparer<T> where T : class { private readonly Func<T, T, bool> _func; public DynamicEqualityComparer(Func<T, T, bool> func) { _func = func; } public bool Equals(T x, T y) => _func(x, y); public int GetHashCode(T obj) => 0; } }
最終通過指定屬性進行比較即可去重,如下:
list = list.Distinct((a, b) => a.Age == b.Age && a.Name == b.Name).ToList();
性能比較
以上3種常見方式我們已經介紹完畢了,當數據量比較小時,我們大可忽略對集合進行各種操作所帶來的性能,但是一旦數據量很大時,我們可能需要考慮性能,能節省一點時間或許有必要,於是乎,在上述100萬條數據前提下,我們來分析其耗時情況,如下:
var list = new List<Person>(); for (int i = 0; i < 1000000; i++) { list.Add(new Person() { Age = 18, Name = "jeffcky" }); } var time1 = Time(() => { list.GroupBy(d => new { d.Age, d.Name }) .Select(d => d.FirstOrDefault()) .ToList(); }); Console.WriteLine($"分組耗時:{time1}"); var time2 = Time(() => { list.Distinct(d => new { d.Age, d.Name }).ToList(); }); Console.WriteLine($"HashSet耗時:{time2}"); var time3 = Time(() => { list.Distinct((a, b) => a.Age == b.Age && a.Name == b.Name).ToList(); }); Console.WriteLine($"委托耗時:{time3}"); static long Time(Action action) { var stopwatch = new Stopwatch(); stopwatch.Start(); action(); stopwatch.Stop(); return stopwatch.ElapsedMilliseconds; }
總結
上述結果耗時大小比較理論應該不會出現逆轉的情況,只是多少的問題,數據量較少時理論上差異也很明顯,本文對於去重方式只是基於性能角度來分析,還是那句話大部分情況下,我們完全不需要考慮這些問題,不過,作為程序員的我們可能也想寫出高性能、高質量的代碼吧,有時候多考慮考慮也無妨,對自身有個好的代碼質量要求也未嘗不可,也還是那句話,孰好孰歹,自行判之。