什么时候应该使用 HashSet<T> 类型？

Posted 2023-02-25

【中文标题】什么时候应该使用 HashSet<T> 类型？

【英文标题】：When should I use the HashSet<T> type?

【发布时间】：2010-11-17 20:39:22

【问题描述】：

我正在探索HashSet<T> 类型，但我不明白它在集合中的位置。

可以用它来代替List<T>吗？我认为HashSet<T> 的性能会更好，但我看不到个人对其元素的访问。

只用于枚举吗？

【参考方案1】：

HashSet 是一个通过散列实现的set。集合是不包含重复元素的值的集合。集合中的值通常也是无序的。所以不，不能使用集合来替换列表（除非您首先应该使用集合）。

如果您想知道集合可能有什么用处：显然，您想在任何地方摆脱重复。作为一个稍微人为的例子，假设您有一个软件项目的 10.000 个修订的列表，并且您想找出有多少人为该项目做出了贡献。您可以使用Set<string> 并遍历修订列表并将每个修订的作者添加到集合中。完成迭代后，集合的大小就是您要寻找的答案。

【讨论】：

但是 Set 不允许检索单个元素？喜欢 set[45]？

为此，您将遍历集合中的成员。其他典型的操作是检查集合是否包含元素或获取集合的大小。

【参考方案2】：

性能将是选择 HashSet 而不是 List 的一个不好的理由。相反，有什么能更好地捕捉您的意图？如果顺序很重要，那么 Set（或 HashSet）就出局了。如果允许重复，同样如此。但是在很多情况下，我们不关心顺序，我们宁愿没有重复 - 这就是你想要一个 Set 的时候。

【讨论】：

Performance would be a bad reason to choose HashSet over List：我只是不同意你的观点。这就是说选择一个字典而不是两个列表对性能没有帮助。看看the following article

@Oscar：我并没有说套装并不快——我说那将是选择它们的糟糕基础。如果你试图代表一个有序的集合，那么一个集合根本就行不通，试图把它硬塞进去是错误的；如果您想要的收藏没有顺序，那么一套是完美的——而且速度很快。但重要的是第一个问题：你想代表什么？

但是想一想。如果您想继续检查给定的字符串是否是某个 10,000 个字符串集合的成员，从技术上讲，string[].Contains 和 HashSet<string>.Contains 可以很好地表达您的意图；选择 HashSet 的原因是它会运行得更快。

【参考方案3】：

HashSet<T> 是 .NET 框架中的数据结构，能够将 mathematical set 表示为对象。在这种情况下，它使用哈希码（每个项目的GetHashCode 结果）来比较集合元素的相等性。

集合与列表的不同之处在于它只允许其中包含的相同元素出现一次。如果您尝试添加第二个相同的元素，HashSet<T> 只会返回 false。实际上，元素的查找非常快（O(1) 时间），因为内部数据结构只是一个哈希表。

如果您想知道使用哪个，请注意，使用 List<T>（其中 HashSet<T> 是合适的）并不是最大的错误，尽管它可能会在您的集合中有不受欢迎的重复项目时出现问题。更重要的是，查找（项目检索）效率更高 - 理想情况下是 O(1)（用于完美分桶）而不是 O(n) 时间 - 这在许多情况下都非常重要。

【讨论】：

将现有项目添加到集合中不会引发异常。 Add 只会返回 false。另外：从技术上讲，哈希查找是 O(n)，而不是 O(1)，除非你有一个完美的哈希函数。当然，在实践中你会假设它是 O(1)，除非散列函数真的很糟糕。

@sepp2k：是的，所以它返回一个布尔值......关键是，它会通知你。并且散列查找是最坏的情况如果你正在分桶，O(n) 很糟糕 - 它通常更接近 O(1)。

【参考方案4】：

List<T> 用于存储有序的信息集。如果您知道列表元素的相对顺序，则可以在恒定时间内访问它们。但是，要确定元素在列表中的位置或检查它是否存在于列表中，查找时间是线性的。另一方面，HashedSet<T> 不保证存储数据的顺序，因此为其元素提供恒定的访问时间。

顾名思义，HashedSet<T> 是实现set semantics 的数据结构。数据结构经过优化以实现集合操作（​​即 Union、Difference、Intersect），这是传统 List 实现无法高效完成的。

因此，选择使用哪种数据类型实际上取决于您尝试对应用程序执行的操作。如果您不关心元素在集合中的排序方式，而只想枚举或检查是否存在，请使用HashSet<T>。否则，请考虑使用List<T> 或其他合适的数据结构。

【讨论】：

另一个警告：集合通常只允许一个元素出现一次。

【参考方案5】：

hashsets 最常见的用途可能是查看它们是否包含某个元素，这对它们来说接近 O(1) 操作（假设一个足够强的散列函数），而不是检查包含的列表是 O(n) （以及它是 O(log n) 的排序集）。因此，如果您进行大量检查，某个项目是否包含在某个列表中，hahssets 可能会提高性能。如果你只对它们进行迭代，则不会有太大区别（迭代整个集合是 O(n)，与列表相同，哈希集在添加项目时会有更多开销）。

不，你不能索引一个集合，这无论如何都是没有意义的，因为集合不是有序的。如果你添加一些物品，套装将不记得哪个是第一个，哪个是第二个等等。

【讨论】：

如果只对它们进行迭代，那么与 List 相比，HashSet 方法会增加相当多的内存使用量。

【参考方案6】：

简而言之 - 任何时候你想使用字典（或字典，其中 S 是 T 的属性），那么你应该考虑一个 HashSet（或 HashSet + 在 T 上实现 IEquatable，它等于 S）

【讨论】：

除非你关心密钥，否则你应该使用字典。

【参考方案7】：

HashSet<T> 的重要之处就在名称中：它是一个集合。您可以对单个集合做的唯一事情是确定它的成员是什么，并检查一个项目是否是成员。

询问您是否可以检索单个元素（例如set[45]）是对集合概念的误解。没有像集合的第 45 个元素这样的东西。集合中的项目没有排序。集合 1, 2, 3 和 2, 3, 1 在各个方面都是相同的，因为它们具有相同的成员资格，而成员资格才是最重要的。

迭代HashSet<T> 有点危险，因为这样做会对集合中的项目施加顺序。该顺序并不是该集合的真正属性。你不应该依赖它。如果集合中项目的排序对您很重要，那么该集合就不是集合。

集合非常有限，并且具有独特的成员。另一方面，它们真的很快。

【讨论】：

框架提供SortedSet 数据结构的事实与您所说的顺序不是集合的属性相矛盾 - 或者指出了开发团队的误解。

我觉得说HashSet里面的item的顺序没有定义比较正确，所以不要依赖迭代器的顺序。如果您因为对集合中的项目做某事而对集合进行迭代，那不是危险的除非您依赖于与订单相关的任何事物。 SortedSet 具有 HashSet plus 顺序的所有属性，但是 SortedSet 不是从 HashSet 派生的；换个说法，SortedSet 是不同对象的有序集合。

【参考方案8】：

这是我使用HashSet<string> 的真实示例：

我的 UnrealScript 文件语法高亮显示的一部分是 highlights Doxygen-style comments 的新功能。我需要能够判断 @ 或 \ 命令是否有效，以确定是显示为灰色（有效）还是红色（无效）。我有一个所有有效命令的HashSet<string>，所以每当我在词法分析器中点击@xxx 标记时，我都会使用validCommands.Contains(tokenText) 作为我的O(1) 有效性检查。除了有效命令的set 中命令的存在 之外，我真的不关心任何事情。让我们看看我面临的替代方案：

Dictionary<string, ?>: 我用什么类型的值？该值没有意义，因为我将使用ContainsKey。注意：在 .NET 3.0 之前，这是 O(1) 查找的唯一选择 - 为 3.0 添加了 HashSet<T>，并扩展为在 4.0 中实现 ISet<T>。 List<string>：如果我保持列表排序，我可以使用BinarySearch，即 O(log n)（没有看到上面提到的这个事实）。但是，由于我的有效命令列表是一个永远不会改变的固定列表，所以这永远不会比简单地更合适...... string[]：同样，Array.BinarySearch 提供 O(log n) 性能。如果列表很短，这可能是性能最佳的选择。它的空间开销总是比HashSet、Dictionary 或List 少。即使使用BinarySearch，对于大型系列来说也不会更快，但对于小型系列来说，它值得尝试。不过我的有几百件，所以我把它传递了。

【参考方案9】：

HashSet<T> 实现了ICollection<T> 接口：

public interface ICollection<T> : IEnumerable<T>, IEnumerable

    // Methods
    void Add(T item);
    void Clear();
    bool Contains(T item);
    void CopyTo(T[] array, int arrayIndex);
    bool Remove(T item);

    // Properties
   int Count  get; 
   bool IsReadOnly  get; 

List<T> 实现 IList<T>，它扩展了 ICollection<T>

public interface IList<T> : ICollection<T>

    // Methods
    int IndexOf(T item);
    void Insert(int index, T item);
    void RemoveAt(int index);

    // Properties
    T this[int index]  get; set; 

HashSet 具有设置语义，通过内部哈希表实现：

集合是一个集合，不包含 重复元素，以及其元素 没有特别的顺序。

如果 HashSet 失去索引/位置/列表行为，它会获得什么？

从 HashSet 添加和检索项目始终由对象本身进行，而不是通过索引器，并且接近 O(1) 操作（列表是 O(1) 添加，O(1) 通过索引检索，O( n) 查找/删除)。

可以将 HashSet 的行为与使用 Dictionary<TKey,TValue> 进行比较，只需添加/删除键作为值，而忽略字典值本身。您会希望字典中的键没有重复值，这就是“设置”部分的重点。

【参考方案10】：

HashSet 将用于删除 IEnumerable 集合中的重复元素。例如，

List<string> duplicatedEnumrableStrings = new List<string> "abc", "ghjr", "abc", "abc", "yre", "obm", "ghir", "qwrt", "abc", "vyeu";
HashSet<string> uniqueStrings = new HashSet(duplicatedEnumrableStrings);

在这些代码运行后，uniqueStrings 保存 "abc", "ghjr", "yre", "obm", "qwrt", "vyeu";

【参考方案11】：

在基本预期场景中，当您希望对两个集合进行比 LINQ 提供的更具体的集合操作时，应使用HashSet<T>。 Distinct、Union、Intersect 和 Except 等 LINQ 方法在大多数情况下就足够了，但有时您可能需要更细粒度的操作，HashSet<T> 提供：

UnionWith IntersectWith ExceptWith SymmetricExceptWith Overlaps IsSubsetOf IsProperSubsetOf IsSupersetOf IsProperSubsetOf SetEquals

LINQ 和HashSet<T>“重叠”方法的另一个区别是LINQ 总是返回一个新的IEnumerable<T>，而HashSet<T> 方法修改源集合。