JavaScript 数组乱序
lessfish opened this issue · comments
前言
终于可以开始 Collection Functions 部分了。
可能有的童鞋是第一次看楼主的系列文章，这里再做下简单的介绍。楼主在阅读 underscore.js 源码的时候，学到了很多，同时觉得有些知识点可以独立出来，写成文章与大家分享，而本文正是其中之一（完整的系列请猛戳 https://github.com/hanzichi/underscore-analysis）。之前楼主已经和大家分享了 Object 和 Array 的扩展方法中一些有意思的知识点，今天开始解读 Collection 部分。
看完 Collection Functions 部分的源码，首先迫不及待想跟大家分享的正是本文主题 —— 数组乱序。这是一道经典的前端面试题，给你一个数组，将其打乱，返回新的数组，即为数组乱序，也称为洗牌问题。
一个好的方案需要具备两个条件，一是正确性，毋庸置疑，这是必须的，二是高效性，在确保正确的前提下，如何将复杂度降到最小，是我们需要思考的。
splice
几年前楼主还真碰到过洗牌问题，还真的是 "洗牌"。当时是用 cocos2d-js（那时还叫 cocos2d-html5）做牌类游戏，发牌前毫无疑问需要洗牌。
当时我是这样做的。每次 random 一个下标，看看这个元素有没有被选过，如果被选过了，继续 random，如果没有，将其标记，然后存入返回数组，直到所有元素都被标记了。后来经同事指导，每次选中后，可以直接从数组中删除，无需标记了，于是得到下面的代码。
function shuffle(a) {
var b = [];
while (a.length) {
var index = ~~(Math.random() * a.length);
b.push(a[index]);
a.splice(index, 1);
}
return b;
}这个解法的正确性应该是没有问题的（有兴趣的可以自己去证明下）。我们假设数组的元素为 0 - 10，对其乱序 N 次，那么每个位置上的结果加起来的平均值理论上应该接近 (0 + 10) / 2 = 5，且 N 越大，越接近 5。为了能有个直观的视觉感受，我们假设乱序 1w 次，并且将结果做成了图表，猛戳 http://hanzichi.github.io/test-case/shuffle/splice/ 查看，结果还是很乐观的。
验证了正确性，还要关心一下它的复杂度。由于程序中用了 splice，如果把 splice 的复杂度看成是 O(n)，那么整个程序的复杂度是 O(n^2)。
Math.random()
另一个为人津津乐道的方法是 "巧妙应用" JavaScript 中的 Math.random() 函数。
function shuffle(a) {
return a.concat().sort(function(a, b) {
return Math.random() - 0.5;
});
}同样是 [0, 1, 2 ... 10] 作为初始值，同样跑了 1w 组 case，结果请猛戳 http://hanzichi.github.io/test-case/shuffle/Math.random/。
看平均值的图表，很明显可以看到曲线浮动，而且多次刷新，折现的大致走向一致，平均值更是在 5 上下 0.4 的区间浮动。如果我们将 [0, 1, 2 .. 9] 作为初始数组，可以看到更加明显不符预期的结果（有兴趣的可以自己去试下）。究其原因，要追究 JavaScript 引擎对于 Math.random() 的实现原理，这里就不展开了（其实是我也不知道）。因为 ECMAScript 并没有规定 JavaScript 引擎对于 Math.random() 应该实现的方式，所以我猜想不同浏览器经过这样的乱序后，结果也不一样。
什么时候可以用这种方法乱序呢？"非正式" 场合，一些手写 DEMO 需要乱序的场合，这不失为一种 clever solution。
但是这种解法不但不正确，而且 sort 的复杂度，平均下来应该是 O(nlogn)，跟我们接下来要说的正解还是有不少差距的。
Fisher–Yates Shuffle
关于数组乱序，正确的解法应该是 Fisher–Yates Shuffle，复杂度 O(n)。
其实它的**非常的简单，遍历数组元素，将其与之前的任意元素交换。因为遍历有从前向后和从后往前两种方式，所以该算法大致也有两个版本的实现。
从后往前的版本：
function shuffle(array) {
var _array = array.concat();
for (var i = _array.length; i--; ) {
var j = Math.floor(Math.random() * (i + 1));
var temp = _array[i];
_array[i] = _array[j];
_array[j] = temp;
}
return _array;
}underscore 中采用从前往后遍历元素的方式，实现如下：
// Shuffle a collection, using the modern version of the
// [Fisher-Yates shuffle](http://en.wikipedia.org/wiki/Fisher–Yates_shuffle).
_.shuffle = function(obj) {
var set = isArrayLike(obj) ? obj : _.values(obj);
var length = set.length;
var shuffled = Array(length);
for (var index = 0, rand; index < length; index++) {
rand = _.random(0, index);
if (rand !== index) shuffled[index] = shuffled[rand];
shuffled[rand] = set[index];
}
return shuffled;
};将其解耦分离出来，如下：
function shuffle(a) {
var length = a.length;
var shuffled = Array(length);
for (var index = 0, rand; index < length; index++) {
rand = ~~(Math.random() * (index + 1));
if (rand !== index)
shuffled[index] = shuffled[rand];
shuffled[rand] = a[index];
}
return shuffled;
}跟前面一样，做了下数据图表，猛戳 http://hanzichi.github.io/test-case/shuffle/Fisher-Yates/。
关于证明，引用自月影老师的文章：
随机性的数学归纳法证明
对 n 个数进行随机：
- 首先我们考虑 n = 2 的情况，根据算法，显然有 1/2 的概率两个数交换，有 1/2 的概率两个数不交换，因此对 n = 2 的情况，元素出现在每个位置的概率都是 1/2，满足随机性要求。
- 假设有 i 个数， i >= 2 时，算法随机性符合要求，即每个数出现在 i 个位置上每个位置的概率都是 1/i。
- 对于 i + 1 个数，按照我们的算法，在第一次循环时，每个数都有 1/(i+1) 的概率被交换到最末尾，所以每个元素出现在最末一位的概率都是 1/(i+1) 。而每个数也都有 i/(i+1) 的概率不被交换到最末尾，如果不被交换，从第二次循环开始还原成 i 个数随机，根据 2. 的假设，它们出现在 i 个位置的概率是 1/i。因此每个数出现在前 i 位任意一位的概率是 (i/(i+1)) * (1/i) = 1/(i+1)，也是 1/(i+1)。
- 综合 1. 2. 3. 得出，对于任意 n >= 2，经过这个算法，每个元素出现在 n 个位置任意一个位置的概率都是 1/n。
小结
关于数组乱序，如果面试中被问到，能说出 "Fisher–Yates Shuffle"，并且能基本说出原理（你也看到了，其实代码非常的简单），那么基本应该没有问题了；如果能更进一步，将其证明呈上（甚至一些面试官都可能一时证明不了），那么就牛逼了。千万不能只会用 Math.random() 投机取巧！
Read More：
@dayuoba
同求，没有明白什么意思。。
我能想到的是，在循环过程中，随着index的增大，~~(Math.random() * (index + 1))能够选到首元素的概率会降低。但其实因为被random基数的增加，之前的每个元素被随机选到的可能性是一样的（不考虑Math.random伪随机的情况下）
for (var index = 0, rand; index < length; index++) {
rand = ~~(Math.random() * (index + 1));
// .....
}
请教一下，_.intersection这个求数组交集的方法，为什么if (j === argsLength)的时候，就可以result.push(item);，这个判断条件没想明白
@zhoucumt
遍历其他数组，如果其他数组中不存在 item 这个元素，那么就会 break 掉，这时 j 肯定小于 argsLength；而如果每个数组都存在 item 元素，则 for 循环可以执行到最后，for 循环结束时 j === argsLength，所以 j === argsLength 满足则说明每个数组都存在 item 元素。
其实我觉得源码注释说的好像蛮清楚了 ...
// Produce an array that contains every item shared between all the
// passed-in arrays.
// 寻找几个数组**有的元素
// 将这些每个数组中都有的元素存入另一个数组中返回
// _.intersection(*arrays)
// _.intersection([1, 2, 3, 1], [101, 2, 1, 10, 1], [2, 1, 1])
// => [1, 2]
// 注意：返回的结果数组是去重的
_.intersection = function(array) {
// 结果数组
var result = [];
// 传入的参数（数组）个数
var argsLength = arguments.length;
// 遍历第一个数组的元素
for (var i = 0, length = getLength(array); i < length; i++) {
var item = array[i];
// 如果 result[] 中已经有 item 元素了，continue
// 即 array 中出现了相同的元素
// 返回的 result[] 其实是个 "集合"（是去重的）
if (_.contains(result, item)) continue;
// 判断其他参数数组中是否都有 item 这个元素
for (var j = 1; j < argsLength; j++) {
if (!_.contains(arguments[j], item)) break;
}
// 遍历其他参数数组完毕
// j === argsLength 说明其他参数数组中都有 item 元素
// 则将其放入 result[] 中
if (j === argsLength) result.push(item);
}
return result;
};另外，如果跟本主题无关的问题，希望能开个新的 issue ... 第一反应以为是关于数组乱序的问题 ... thanks
感觉 GitHub 怎么自动把 <> 取消掉了 ... 囧
请问 _.sample 里面有个参数n 代表 返回n个元素 源码中return _.shuffle(obj).slice(0, Math.max(0,n)) 这里为什么要用Math.max(0,n) ？ underscore中有好多地方都用了Math.max(0,n)，为什么不能直接写n？
如果没记错的话，不是Math.random影像了结果，而是sort的实现，在20以内是插入排序，大于20是快排，而且不同浏览器的实现也不一样，ff好像是合并排序解决长数组的，恩，maybe吧
Fisher–Yates Shuffle 这个算法从尾部开始，将index 的内容和index 之前的数组中随机的一个交换，index 一直往前移动，但是到快要终止的时候，只能是 index =1 的索引和 index =0的索引交换，这样的新的数组，首部的数字相对固定。 在一些场景下，有一定缺陷。
第一种的方式则不会存在这个问题。
从循环开始时起，首部数字即有被后面数字交换的概率，并不是当循环往前移动到相应位置时才能发生交换。所以不存在首部相对固定的问题。