全文共1399字，预计学习时长6分钟
图源：unsplash
软件工程师常常要和大量数据打交道。有时数据结构很合理，让人省心，但有时则不然，需要你去清理和整理数据，使其最大化的服务于我们的项目。
这可谓职业生涯的最大挑战了，如何不让服务器崩溃，是个值得讨论的问题。别急，Ruby算法会给你答案。
案例定义
先描述一下这个问题。首先，有一个庞大的GeoData数据集。它是一个有两个键的散列：要素和几何。几何键中的数据负责使用D3库来绘制世界地图。
但在今天的例子中，不会做任何与几何键相关的事情。我们将使用要素键来表示世界地图上每个国家的数据。
图源：unsplash
我们拥有的第二个数据集是散列数组形式的数据。需要对GeoData进行迭代，并将第二个数据集中的数据插入到GeoData中。
在开始处理数据之前，需要先获取数据。在本例中，数据具有JSON文件形式。这就是我们提取数据的方式：
require ‘json’
json_file = File.open“CombinedGeoData.json”
data = JSON.load json_file
暴力的解决方案
data['features'].each{|n|
second_dataset.each{|j|
if j[:country] == n['properties']['name']
n['properties']['some_property']= j[:some_property]
end
}
}
首先，我们将尝试一个简单直观的解决方案。先对要素数组进行迭代，然后在每个循环中，将对第二个数据集进行迭代。最后使用if语句来查找匹配国家/地区并插入数据。
解决方案非常完美，但是该解决方案的复杂之处在于O(n*m)，而不是n²，因为使用的是不同的数组，但是逻辑相同。随着数组大小的增长，该解决方案的复杂性也将呈指数级增长。
更简洁的解决方案
现在，让我们尝试创建更理想的解决方案！我们的目标是仅使用一个循环即可完成所有的数据操作。
index = 0
data['features'].each{|n|
if second_dataset[index][:country] ==n['properties']['name']
n['properties']['some_property']= second_dataset[index]
[:some_property]
index = 1
end
}
我们需要循环外的索引值，将使用此值来访问第二个数据集中的元素。另外，还需要一个if语句来找到所需的国家。只有找到了国家才会增加索引。
使用此解决方案，O（n）复杂性的问题就完美解决了。
图源：unsplash
但是这里有点问题。第二个数据集中的数据已按字母顺序排列，但是第一个数据集中的数据不是按此顺序排列的，所以我们的算法将不起作用，因为数据集的排列顺序不一致。
让我们来解决这个问题!
sorted_data =data[‘features’].sort_by{|n| [n[‘properties’][‘name’]}
这两行代码将按国家/地区名称对所有内容进行排序，然后重写数据集。但是还是有错误：
`sort_by’: comparison of Stringwith nil failed
这意味着数组中有nil值，必须调整排序算法。当Ruby比较数组时，它会先比较第一个元素，并且仅在第一个元素相等的情况下才会比较第二个元素。？1：0会保证Fixnum作为第1个元素，因此应该不会出现错误。
sorted_data =data[‘features’].sort_by{|n| [n[‘properties’][‘name’] ? 0 : 1, n[‘properties’][‘name’]]}
data[‘features’] = sorted_data
这样就可以得到一个有序的数组，并且这个简洁的循环也可以正常工作。
人们通常更愿意使用做起来简单的解决方案，但殊不知这种“笨办法”很可能成本更高。随着项目规模的增长，我们会面临更大更多的数据集，必须去考虑代码所消耗的复杂性资源，这样我们才能保持服务器的正常运转。
留言点赞关注
我们一起分享AI学习与发展的干货
如转载，请后台留言，遵守转载规范
