• 数组去重都有哪些方法?
  • 发布于 1个月前
  • 74 热度
    0 评论

正题开始

数组去重,即从一个数组中移除所有重复的元素,确保每个元素只出现一次,是这一类问题的核心。


使用原生 JavaScript 方法
1. filter() 方法配合 indexOf()
const uniqueArray = array.filter((item, index, self) => {
  return self.indexOf(item) === index;
});
该方法利用 filter() 遍历数组,对于每个元素,通过 indexOf() 查找其在原数组中的第一个索引。如果当前元素的索引与正在遍历的索引相同,说明这是该元素在数组中的首次出现,保留该元素;否则,忽略该元素。

2. reduce() 方法
const uniqueArray = array.reduce((acc, current) => {
  return acc.includes(current) ? acc : [...acc, current];
}, []);
这里使用 reduce() 函数将数组累积到一个新的数组(acc)中。在每次迭代中,检查当前元素是否已存在于累积数组中。若不存在,则将其添加至累积数组;否则,跳过该元素。

利用 ES6 新特性
1. 使用扩展运算符与解构赋值
const uniqueArray = [...new Set(array)];
这种方法简洁高效,利用 ES6 的 Set 数据结构自动去除重复元素的特性,再通过扩展运算符将 Set 转换回数组。Set 是一种特殊的集合,不允许重复元素存在,因此插入过程会自动过滤重复项。

2. 利用 Map 数据结构
const uniqueArray = Array.from(new Map(array.map(item => [item, item])).values());
尽管不如直接使用 Set 直观,但此方法同样有效。它首先将数组映射为键值对相同的 Map,由于 Map 键的唯一性,重复的数组元素会被自动忽略。然后通过 Array.from() 和 Map.values() 将 Map 的值(即无重复元素)转换回数组。

双重循环与哈希表
1. 双重循环
const uniqueArray = [];
for (let i = 0; i < array.length; i++) {
  let isDuplicate = false;
  for (let j = 0; j < i; j++) {
    if (array[i] === array[j]) {
      isDuplicate = true;
      break;
    }
  }
  if (!isDuplicate) {
    uniqueArray.push(array[i]);
  }
}
这种方法最直观也最基础,通过外层循环遍历数组,内层循环检查当前元素是否与之前的所有元素重复。如果没有重复,则将其添加到结果数组中。虽然理解简单,但时间复杂度较高,不适用于大型数据集。

2. 利用对象作为哈希表
const uniqueArray = [];
const hashTable = {};
for (let i = 0; i < array.length; i++) {
  const item = array[i];
  if (!hashTable[item]) {
    uniqueArray.push(item);
    hashTable[item] = true;
  }
}
这种方法利用对象作为哈希表,以数组元素作为键。在遍历过程中,若元素尚未作为对象的键存在,则添加到结果数组并将其设置为哈希表的键。由于对象属性查找的时间复杂度接近 O(1),这种方法在处理大量数据时比双重循环更为高效。

性能比较与优化策略
1. 性能比较
filter() + indexOf():线性时间复杂度 O(n^2),适合小型数据集。
reduce():线性时间复杂度 O(n^2),适合小型数据集。
扩展运算符与 Set:近乎线性时间复杂度 O(n),非常高效,适合各种规模的数据集。
Map:近乎线性时间复杂度 O(n),非常高效,适合各种规模的数据集。
双重循环:平方时间复杂度 O(n^2),效率低,仅适用于极小数据集。
哈希表:近乎线性时间复杂度 O(n),高效,适合各种规模的数据集。

2. 优化策略
选择合适的方法:根据数据规模和项目需求,优先考虑使用 Set、Map 或哈希表方法,它们具有更高的时间效率。
预处理数据:如果可能,提前对数据进行排序或转换,简化去重逻辑,提高效率。
懒加载与分批处理:对于超大规模数据,可采用懒加载或分批处理策略,避免一次性加载全部数据导致的性能瓶颈。

使用 Web Worker:对于计算密集型的去重操作,可以考虑使用 Web Worker 进行多线程处理,避免阻塞主线程影响用户体验。
用户评论