從vector <>中刪除重復項的最快方法

Question

正如標題所說，我在腦海中有一些方法可以做到，但我不知道哪個是最快的。

所以我們假設我們有一個帶有一些值的vector<int> vals

1

我的vals添加后

sort(vals.begin(), vals.end());
auto last = unique(vals.begin(), vals.end());
vals.erase(last, vals.end());

2

添加我的vals后轉換為set：

set<int> s( vals.begin(), vals.end() );
vals.assign( s.begin(), s.end() );

3

當我添加我的vals ，我檢查它是否已經在我的向量中：

if( find(vals.begin(), vals.end(), myVal)!=vals.end() )
    // add my val

4

從頭開始使用一套

好的，我有這四種方法，我的問題是：

1從1,2和3這是最快的？
2比前3 個快4嗎？
3在將矢量轉換為設置后，在2處使用該集合做我需要做的事情或者我應該執行vals.assign( .. )並繼續我的向量更加方便嗎？

Answer 1

問題1 ：1和2都是O（n log n），3是O（n ^ 2）。 在1到2之間，它取決於數據。

問題2 ：4也是O（n log n），如果你有很多重復項，它可以優於1和2，因為它只存儲每個副本的一個副本。 想象一下，百萬個價值都是平等的。

問題3 ：嗯，這實際上取決於你需要做什么。

唯一可以說不知道更多的是你的替代數字3漸漸比其他數字更差。

如果您使用的是C ++ 11並且不需要排序，則可以使用std::unordered_set ，它是一個哈希表，並且可以比std::set快得多。

Answer 2

選項1將擊敗所有其他選項。 復雜度只是O（N log N），向量的連續記憶保持低常數因子。

std :: set通常會受到非連續分配的影響。 訪問它們不僅速度慢，只需創建它們也需要很長時間。

Answer 3

這些方法都有其缺點，盡管（1）值得關注。

但是，看看第5個選項：請記住，您可以使用data()函數訪問向量的數據緩沖區。 然后，請記住，由於向量只會變小，所以不會進行重新分配，應用您在學校學到的算法：

unduplicate(vals.data(), vals.size());

void unduplicate(int* arr, std::size_t length) /*Reference: Gang of Four, I think*/
{
    int *it, *end = arr + length - 1;
    for (it = arr + 1; arr < end; arr++, it = arr + 1){
        while (it <= end){
            if (*it == *arr){
                *it = *end--;
            } else {
                ++it;
            }
        }
    }
}

如果這是必需的，最后調整矢量大小。 這絕不會比O（N ^ 2）差，所以優於插入排序或排序然后刪除方法。

如果您可以采用它，那么您的第4個選項可能是個主意。 描述性能。 否則使用我的算法從20世紀60年代。

Answer 4

我有一個類似的問題，最近，與1，2，和4個試驗，以及與unordered_set第4版。 事實證明，最好的表現是后者， 4用unordered_set代替set 。

順便說一句，如果考慮到set和sort都有點過分，那么經驗發現並不太令人驚訝：它們保證了不相等元素的相對順序。 例如，輸入4,3,5,2,4,3將導致唯一值2,3,4,5 排序輸出。 如果您可以按任意順序使用唯一值，即3,4,2,5 ，則這是不必要的。 當您使用unordered_set它不保證順序，只保證唯一性，因此它不必執行確保不同元素順序的額外工作。