快速查找数组内元素的方法

数组是编程常用的变量,数组内寻值也时日常操作。话说那种方法更快呢。
下面是白菜知道的几种方法:

生成一个随机数组,intSearch最多会随机出现一次

-(void)sort{
    
    
    NSMutableArray *arrOrder=[NSMutableArray arrayWithCapacity:0];
    
    NSInteger intTimes = 1;
    NSInteger intEnd = 10000;
    //生成一个随机数组,intSearch会随机出现一次
    NSInteger intSearch = arc4random()%intEnd;
    
    BOOL isHave = NO;
    while (intTimes <= intEnd)
    {
        NSInteger intRandom = arc4random()%intEnd;
        if (intRandom == intSearch) {
            [arrOrder addObject:isHave? @(intSearch+1):@(intSearch)];
            isHave = YES;
        } else {
            [arrOrder addObject:@(intRandom)];
        }
        
        
        intTimes++;
    }
    
    //    NSLog(@"intSearch = %zd, arrOrder = %@", intSearch, arrOrder);
    
    
    NSDate *dateCurrent = [NSDate date];
    //方法1
    if ([arrOrder indexOfObject:@(intSearch)] != NSNotFound) {
        _times ++;
        CGFloat sec =  [[NSDate date] timeIntervalSinceDate:dateCurrent];
        NSLog(@"第%zd次,sec1 = %f", _times, sec);
    }
    
    //方法2
    dateCurrent = [NSDate date];
    [arrOrder enumerateObjectsUsingBlock:^(id  _Nonnull obj, NSUInteger idx, BOOL * _Nonnull stop) {
        
        if ([obj integerValue] == intSearch) {
            
            CGFloat sec =  [[NSDate date] timeIntervalSinceDate:dateCurrent];
            NSLog(@"第%zd次,sec2 = %f", _times, sec);
        }
    }];
    
    
    //方法3
    dateCurrent = [NSDate date];
    
    dispatch_queue_t queue=dispatch_get_global_queue(DISPATCH_QUEUE_PRIORITY_DEFAULT, 0);
    dispatch_apply([arrOrder count], queue, ^(size_t index) {
        
        if ([arrOrder[index] integerValue] == intSearch) {
            
            CGFloat sec =  [[NSDate date] timeIntervalSinceDate:dateCurrent];
            NSLog(@"第%zd次,sec3 = %f", _times, sec);
        }
    });
    
    
}

100条数据

2017-08-28 13:54:38.020 examples[97490:5270031] 第1次,sec1 = 0.000015
2017-08-28 13:54:38.020 examples[97490:5270031] 第1次,sec2 = 0.000010
2017-08-28 13:54:38.020 examples[97490:5270031] 第1次,sec3 = 0.000025
2017-08-28 13:54:39.901 examples[97490:5270031] 第2次,sec1 = 0.000007
2017-08-28 13:54:39.901 examples[97490:5270031] 第2次,sec2 = 0.000008
2017-08-28 13:54:39.901 examples[97490:5270031] 第2次,sec3 = 0.000026
2017-08-28 13:54:45.766 examples[97490:5270031] 第3次,sec1 = 0.000004
2017-08-28 13:54:45.766 examples[97490:5270031] 第3次,sec2 = 0.000003
2017-08-28 13:54:45.767 examples[97490:5270031] 第3次,sec3 = 0.000018

1000条数据

2017-08-28 13:55:18.061 examples[97515:5271284] 第1次,sec1 = 0.000033
2017-08-28 13:55:18.062 examples[97515:5271284] 第1次,sec2 = 0.000052
2017-08-28 13:55:18.062 examples[97515:5271342] 第1次,sec3 = 0.000046
2017-08-28 13:55:19.661 examples[97515:5271284] 第2次,sec1 = 0.000004
2017-08-28 13:55:19.661 examples[97515:5271284] 第2次,sec2 = 0.000005
2017-08-28 13:55:19.661 examples[97515:5271284] 第2次,sec3 = 0.000021
2017-08-28 13:55:28.231 examples[97515:5271284] 第3次,sec1 = 0.000033
2017-08-28 13:55:28.232 examples[97515:5271284] 第3次,sec2 = 0.000032
2017-08-28 13:55:28.232 examples[97515:5271375] 第3次,sec3 = 0.000044

10000条数据

2017-08-28 14:00:00.034 examples[97585:5276437] 第1次,sec2 = 0.000489
2017-08-28 14:00:00.035 examples[97585:5276736] 第1次,sec3 = 0.000204
2017-08-28 14:00:11.082 examples[97585:5276437] 第2次,sec1 = 0.000304
2017-08-28 14:00:11.082 examples[97585:5276437] 第2次,sec2 = 0.000299
2017-08-28 14:00:11.083 examples[97585:5276789] 第2次,sec3 = 0.000178
2017-08-28 14:00:28.069 examples[97585:5276437] 第3次,sec1 = 0.000138
2017-08-28 14:00:28.069 examples[97585:5276437] 第3次,sec2 = 0.000201
2017-08-28 14:00:28.070 examples[97585:5276906] 第3次,sec3 = 0.000095

经过测试发现,数组数量越大,方法3相对比较效率更高。2000条是个大概的分界点,小于2000时前面的两个方法用时更短,大于2000时则方法3更快。

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 203,937评论 6 478
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 85,503评论 2 381
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 150,712评论 0 337
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,668评论 1 276
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,677评论 5 366
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,601评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,975评论 3 396
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,637评论 0 258
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,881评论 1 298
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,621评论 2 321
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,710评论 1 329
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,387评论 4 319
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,971评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,947评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,189评论 1 260
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 44,805评论 2 349
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,449评论 2 342

推荐阅读更多精彩内容