在現實生活中，分組統計是很常用的。例如人民銀行要求商業銀行報送的反洗錢報表中就有一個項目是當月發生的大額交易的筆數和金額， 其中大額交易定義為某個客戶的當日累計發生額在人民幣20萬元或者外幣等值1萬美元以上。這樣就要從大量的交易流水賬中按交易日期進行分 組統計。
讓我們來生成要統計的數據，如下所示：
IEnumerable<Tuple<int, double>> GetTuples(int n)
{
var tuples = new Tuple<int, double>[n];
var rand = new Random();
for (int k = 1, i = 0; i < n; i++)
{
var r = rand.Next(n);
k += (r >= n - 3) ? 2 : ((r >= n - 9) ? 1 : 0);
tuples[i] = new Tuple<int, double>(k, rand.NextDouble());
}
return tuples;
}
該方法生成 n 項已經排好序的數據。
現在，讓我們來按關鍵字分組，並統計每組的 個數和平均值。
首先，使用 C# 的 foreach 循環，如下所示：
IEnumerable<Tuple<int, int, double>> ForEach(IEnumerable<Tuple<int, double>> tuples)
{
var result = new List<Tuple<int, int, double>>();
var count = 0;
var sum = 0.0;
int? key = null;
foreach (var v in tuples)
{
if (key != v.Item1)
{
if (key != null) result.Add(new Tuple<int, int, double>(key.Value, count, sum / count));
sum = count = 0;
key = v.Item1;
}
count++;
sum += v.Item2;
}
if (key != null) result.Add(new Tuple<int, int, double>(key.Value, count, sum / count));
return result;
}
這種方法有個 最大的缺點就是在 foreach 循環結束之後還要進行一次統計，聞到了代碼的“壞味道”。
那麼，就讓我們來重構吧，這次 ，使用迭代器進行循環：
IEnumerable<Tuple<int, int, double>> Iterate(IEnumerable<Tuple<int, double>> tuples)
{
var result = new List<Tuple<int, int, double>>();
var count = 0;
var sum = 0.0;
int? key = null;
for (var iter = tuples.GetEnumerator(); ; count++, sum += iter.Current.Item2)
{
var hasValue = iter.MoveNext();
if (!hasValue || key != iter.Current.Item1)
{
if (key != null) result.Add(new Tuple<int, int, double>(key.Value, count, sum / count));
if (!hasValue) break;
sum = count = 0;
key = iter.Current.Item1;
}
}
return result;
}
這樣，就消滅了“壞味道”。
注意，以上兩種方法都假設輸入數據已經排好序。如若不然，就要先對輸入數據進行一次排序。
最後，如果使用 Linq 的話， 還可以更簡單：
IEnumerable<Tuple<int, int, double>> Linq(IEnumerable<Tuple<int, double>> tuples)
{
var result = new List<Tuple<int, int, double>>();
var q = from k in tuples group k by k.Item1;
foreach (var g in q) result.Add(new Tuple<int, int, double> (g.Key, g.Count(), g.Average(v => v.Item2)));
return result;
}
要注意 Linq 方法無論是運行時 間還是占用的內存都更大。
我們來看看 Main 方法：
static void Main(string[] args)
{
try
{
new Program().Run(Console.Out, int.Parse(args[0]));
}
catch (Exception ex)
{
Console.WriteLine(ex);
}
}
void Run(TextWriter writer, int n)
{
var tuples = GetTuples(n * 1024 * 1024);
Write("ForEach", writer, ForEach(tuples));
Write ("Iterate", writer, Iterate(tuples));
Write(" Linq ", writer, Linq(tuples));
}
其中的 Write 方法如下所示：
void Write(string title, TextWriter writer, IEnumerable<Tuple<int, int, double>> tuples)
{
writer.WriteLine("==========> " + title + " <============");
writer.WriteLine("Key ------Count Average----------");
var count = 0;
var sum = 0.0;
foreach (var t in tuples)
{
writer.WriteLine(" {0,3} {1,11:N0} {2}", t.Item1, t.Item2, t.Item3);
count += t.Item2;
sum += t.Item2 * t.Item3;
}
writer.WriteLine("--- ----------- -----------------");
writer.WriteLine(" {0,3} {1,11:N0} {2}", tuples.Count(), count, sum / count);
writer.WriteLine();
}
最後， 這個程序的輸出如下所示：
==========> ForEach <============
Key ------Count Average----------
1 10,476 0.492122426354162
2 1,633,289 0.499917991099794
3 981,345 0.500446307804579
5 1,542,377 0.500567888024527
6 478,158 0.499376479287702
8 62,325 0.501552373474687
9 1,463,104 0.500270067230854
11 802,680 0.500518684820775
13 367,798 0.499572390413821
14 492,947 0.500767958524
16 2,403,053 0.500023199420802
17 248,208 0.499988049057847
--- ----------- -----------------
12 10,485,760 0.50018897689056
==========> Iterate <============
Key ------Count Average----------
1 10,476 0.492122426354162
2 1,633,289 0.499917991099794
3 981,345 0.500446307804579
5 1,542,377 0.500567888024527
6 478,158 0.499376479287702
8 62,325 0.501552373474687
9 1,463,104 0.500270067230854
11 802,680 0.500518684820775
13 367,798 0.499572390413821
14 492,947 0.500767958524
16 2,403,053 0.500023199420802
17 248,208 0.499988049057847
--- ----------- -----------------
12 10,485,760 0.50018897689056
==========> Linq <============
Key ------Count Average----------
1 10,476 0.492122426354162
2 1,633,289 0.499917991099794
3 981,345 0.500446307804579
5 1,542,377 0.500567888024527
6 478,158 0.499376479287702
8 62,325 0.501552373474687
9 1,463,104 0.500270067230854
11 802,680 0.500518684820775
13 367,798 0.499572390413821
14 492,947 0.500767958524
16 2,403,053 0.500023199420802
17 248,208 0.499988049057847
--- -- --------- -----------------
12 10,485,760 0.50018897689056
這個程序中用到的 Tuple 類如下所示：
class Tuple<T1, T2>
{
public T1 Item1 { get; private set; }
public T2 Item2 { get; private set; }
public Tuple(T1 item1, T2 item2) { Item1 = item1; Item2 = item2; }
}
class Tuple<T1, T2, T3> : Tuple<T1, T2>
{
public T3 Item3 { get; private set; }
public Tuple(T1 item1, T2 item2, T3 item3) : base(item1, item2) { Item3 = item3; }
}
其實 .NET Framework 4.0 Base Class Library 中已經有 Tuple 類了。
本文配套源碼
