我在 macOS Catalina 上使用 Ruby 2.7.x。
我有多达 100 万个键值元组。 键是字符串并且保证是唯一的。 这些值是字符串,可能包含重复项(或一式三份或更多)。 鉴于键的唯一性,散列似乎是它们的自然数据结构。 所以如果我从包含所有键值元组的 original_hash 开始, 我想以 uniques_hash 结束,它包含所有且仅包含唯一的键值元组, 和 duplicates_hash,包含所有具有重复值的键。
与内存效率或速度相比,我对优化清晰度和 Ruby 惯用语更感兴趣 - 我不希望经常运行此代码,而且我有足够的 RAM。
如果我转换为两个数组,我可以在值数组中找到唯一值——但我如何保证使用正确的 key 重新配对?这是解决这个问题的正确方法吗?
非常感谢您的帮助!
最佳答案
假设
original_hash = {:a=>1, :b=>2, :c=>2, :d=>2, :e=>3, :f=>4, :g=>4}
如果您只对返回哈希值感兴趣 uniques_hash
包含唯一值,您可以编写以下内容。
uniques_hash = original_hash.invert.invert
#=> {:a=>1, :d=>2, :e=>3, :g=>4}
中间步骤是
original_hash.invert
#=> {1=>:a, 2=>:d, 3=>:e, 4=>:g}
参见 Hash#invert .注意 uniques_hash
,正如定义的那样,它本身并不是唯一的。它可以是以下任何一项。
{:a=>1, :b=>2, :e=>3, :f=>4}
{:a=>1, :b=>2, :e=>3, :g=>4}
{:a=>1, :c=>2, :e=>3, :f=>4}
{:a=>1, :c=>2, :e=>3, :g=>4}
{:a=>1, :d=>2, :e=>3, :f=>4}
{:a=>1, :d=>2, :e=>3, :g=>4}
另一种方法是使用 Enumerable#uniq和 Array#to_h .
unique_hash = original_hash.uniq(&:last).to_h
#=> {:a=>1, :b=>2, :e=>3, :f=>4}
中间计算是
original_hash.uniq(&:last)
#=> [[:a, 1], [:b, 2], [:e, 3], [:f, 4]]
这是
的简写original_hash.uniq { |_k,v| v }
据推测,duplicates_hash
的每个键是 original_hash
中的一个值该键的值是这些键的数组 k
在 original_hash
为此 original_hash[k] == v
.
一种计算duplicates_hash
的方法如下。
duplicates_hash = original_hash.each_with_object({}) do |(k,v),h|
h[v] = (h[v] || []) << k
end
#=> {1=>[:a], 2=>[:b, :c, :d], 3=>[:e], 4=>[:f, :g]}
这样写也可以
duplicates_hash = original_hash.
each_with_object(Hash.new { |h,k| h[k] = [] }) { |(k,v),h| h[v] << k }
#=> {1=>[:a], 2=>[:b, :c, :d], 3=>[:e], 4=>[:f, :g]}
参见 Hash::new .两种形式都等同于
duplicates_hash = original_hash.each_with_object({}) do |(k,v),h|
h[v] = [] unless h.key?(v)
h[v] << k
end
将 block 变量写为 |(k,v),h|
利用array decomposition .
我们有一个枚举器,它将生成值并将它们传递给它的 block 。
enum = original_hash.each_with_object({})
#=> #<Enumerator: {:a=>1, :b=>2, :c=>2, :d=>2, :e=>3, :f=>4, :g=>4}:
# each_with_object({})>
枚举器是 Enumerator 类的实例.
生成枚举器的第一个值,并为 block 变量赋值,如下所示:
(k,v),h = enum.next
#=> [[:a, 1], {}]
可以看到数组分解将这个包含两个元素的数组拆分如下:
k #=> :a
v #=> 1
h #=> {}
注意左边的括号是如何对应于右边的内括号的。然后使用这些变量执行 block 计算。
h[v] = (h[v] || []) << k
#=> [:a]
现在,
h #=> {1=>[:a]}
然后由枚举器生成下一个值并执行分 block 计算。
(k,v),h = enum.next
#=> [[:b, 2], {1=>[:a]}]
k #=> :b
v #=> 2
h #=> {1=>[:a]}
h[v] = (h[v] || []) << k
现在
h #=> {1=>[:a], 2=>[:b]}
这一直持续到
enum.next
#=> Stop Interation (exception)
导致 Ruby 返回 h
的值.
请注意,通过计算 duplicates_hash
首先我们可以计算uniques_hash
如下。
keeper_keys = duplicates_hash.values.map(&:first)
#=> [:a, :b, :e, :f]
unique_keys = original_hash.slice(*keeper_keys)
#=> {:a=>1, :b=>2, :e=>3, :f=>4}
或
unique_keys = original_hash.slice(*duplicates_hash.values.map(&:first))
#=> {:a=>1, :b=>2, :e=>3, :f=>4}
参见 Hash#slice .如果一个人因为偏爱某些键而感到内疚,那么他可以改写
unique_keys = original_hash.slice(*duplicates_hash.values.map(&:sample))
#=> {:a=>1, :b=>2, :e=>3, :g=>4}
参见 Array#sample .
关于arrays - 什么是 'Ruby way' 来识别哈希中的重复值?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/65130141/