前言
終於可以開始 Collection Functions 部分了。
可能有的童鞋是第一次看樓主的系列文章，這裡再做下簡單的介紹。樓主在閱讀 underscore.js 原始碼的時候，學到了很多，同時覺得有些知識點可以獨立出來，寫成文章與大家分享，而本文正是其中之一（完整的系列請猛戳 https://github.com/hanzichi/underscore-analysis）。之前樓主已經和大家分享了 Object 和 Array 的擴充套件方法中一些有意思的知識點，今天開始解讀 Collection 部分。
看完 Collection Functions 部分的原始碼，首先迫不及待想跟大家分享的正是本文主題 —— 陣列亂序。這是一道經典的前端面試題，給你一個陣列，將其打亂，返回新的陣列，即為陣列亂序，也稱為洗牌問題。
一個好的方案需要具備兩個條件，一是正確性，毋庸置疑，這是必須的，二是高效性，在確保正確的前提下，如何將複雜度降到最小，是我們需要思考的。
splice
幾年前樓主還真碰到過洗牌問題，還真的是 “洗牌”。當時是用 cocos2d-js（那時還叫 cocos2d-html5）做牌類遊戲，發牌前毫無疑問需要洗牌。
當時我是這樣做的。每次 random 一個下標，看看這個元素有沒有被選過，如果被選過了，繼續 random，如果沒有，將其標記，然後存入返回陣列，直到所有元素都被標記了。後來經同事指導，每次選中後，可以直接從陣列中刪除，無需標記了，於是得到下面的程式碼。
|
1 2 3 4 5 6 7 8 9 10 11 |
function shuffle(a) { var b = []; while (a.length) { var index = ~~(Math.random() * a.length); b.push(a[index]); a.splice(index, 1); } return b; } |
這個解法的正確性應該是沒有問題的（有興趣的可以自己去證明下）。我們假設陣列的元素為 0 – 10，對其亂序 N 次，那麼每個位置上的結果加起來的平均值理論上應該接近 (0 + 10) / 2 = 5，且 N 越大，越接近 5。為了能有個直觀的視覺感受，我們假設亂序 1w 次，並且將結果做成了圖表，猛戳 http://hanzichi.github.io/test-case/shuffle/splice/ 檢視，結果還是很樂觀的。
驗證了正確性，還要關心一下它的複雜度。由於程式中用了 splice，如果把 splice 的複雜度看成是 O(n)，那麼整個程式的複雜度是 O(n^2)。
Math.random()
另一個為人津津樂道的方法是 “巧妙應用” JavaScript 中的 Math.random() 函式。
|
1 2 3 4 5 |
function shuffle(a) { return a.concat().sort(function(a, b) { return Math.random() - 0.5; }); } |
同樣是 [0, 1, 2 … 10] 作為初始值，同樣跑了 1w 組 case，結果請猛戳 http://hanzichi.github.io/test-case/shuffle/Math.random/。
看平均值的圖表，很明顯可以看到曲線浮動，而且多次重新整理，折現的大致走向一致，平均值更是在 5 上下 0.4 的區間浮動。如果我們將 [0, 1, 2 .. 9] 作為初始陣列，可以看到更加明顯不符預期的結果（有興趣的可以自己去試下）。究其原因，要追究 JavaScript 引擎對於 Math.random() 的實現原理，這裡就不展開了（其實是我也不知道）。因為 ECMAScript 並沒有規定 JavaScript 引擎對於 Math.random() 應該實現的方式，所以我猜想不同瀏覽器經過這樣的亂序後，結果也不一樣。
什麼時候可以用這種方法亂序呢？”非正式” 場合，一些手寫 DEMO 需要亂序的場合，這不失為一種 clever solution。
但是這種解法不但不正確，而且 sort 的複雜度，平均下來應該是 O(nlogn)，跟我們接下來要說的正解還是有不少差距的。
Fisher–Yates Shuffle
關於陣列亂序，正確的解法應該是 Fisher–Yates Shuffle，複雜度 O(n)。
其實它的思想非常的簡單，遍歷陣列元素，將其與之前的任意元素交換。因為遍歷有從前向後和從後往前兩種方式，所以該演算法大致也有兩個版本的實現。
從後往前的版本：
|
1 2 3 4 5 6 7 8 9 10 11 12 |
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 中採用從前往後遍歷元素的方式，實現如下：
|
1 2 3 4 5 6 7 8 9 10 11 12 13 |
// 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; }; |
將其解耦分離出來，如下：
|
1 2 3 4 5 6 7 8 9 10 11 12 13 |
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; } |
跟前面一樣，做了下資料圖表，猛戳 http://hanzichi.github.io/test-case/shuffle/Fisher-Yates/。
關於證明，引用自月影老師的文章：
隨機性的數學歸納法證明
對 n 個數進行隨機：
- 首先我們考慮 n = 2 的情況，根據演算法，顯然有 1/2 的概率兩個數交換，有 1/2 的概率兩個數不交換，因此對 n = 2 的情況，元素出現在每個位置的概率都是 1/2，滿足隨機性要求。
- 假設有 i 個數， i >= 2 時，演算法隨機性符合要求，即每個數出現在 i 個位置上每個位置的概率都是 1/i。
- 對於 i + 1 個數，按照我們的演算法，在第一次迴圈時，每個數都有 1/(i+1) 的概率被交換到最末尾，所以每個元素出現在最末一位的概率都是 1/(i+1) 。而每個數也都有 i/(i+1) 的概率不被交換到最末尾，如果不被交換，從第二次迴圈開始還原成 i 個數隨機，根據 2. 的假設，它們出現在 i 個位置的概率是 1/i。因此每個數出現在前 i 位任意一位的概率是 (i/(i+1)) * (1/i) = 1/(i+1)，也是 1/(i+1)。
- 綜合 1. 2. 3. 得出，對於任意 n >= 2，經過這個演算法，每個元素出現在 n 個位置任意一個位置的概率都是 1/n。
小結
關於陣列亂序，如果面試中被問到，能說出 “Fisher–Yates Shuffle”，並且能基本說出原理（你也看到了，其實程式碼非常的簡單），那麼基本應該沒有問題了；如果能更進一步，將其證明呈上（甚至一些面試官都可能一時證明不了），那麼就牛逼了。千萬不能只會用 Math.random() 投機取巧！
Read More：
- 陣列的完全隨機排列（推薦）
- Fisher–Yates Shuffle（推薦）
- 如何測試洗牌程式
- How to randomize (shuffle) a JavaScript array?
- Code for Shuffling an Array
打賞支援我寫出更多好文章，謝謝！
打賞作者
打賞支援我寫出更多好文章，謝謝！
