Rubyで配列内の重複する値を抽出する方法

Rubyで重複する値を排除したい場合は、uniqメソッドを使えばOK。

a = [1, 2, 3, 4, 5, 6, 5, 4]
a.uniq

#=> [1, 2, 3, 4, 5, 6]

重複している値があるかどうかを調べるなら、uniqを利用すれば簡単にわかる。

a = [1, 2, 3, 4, 5, 6, 5, 4]
a.size == a.uniq.size

#=> false

でも、配列から重複している値を抽出するメソッドは見当たらない（たぶん）。
そこで、配列から重複している値を抽出するスクリプトを書いてみた。

配列から重複している値を抽出する

a = [1, 2, 3, 4, 5, 6, 5, 4]
a.uniq.map{|v| v if a.inject(Hash.new(0)) {|h, key| h[key] += 1; h}[v] >= 2}.compact

#=> [4, 5]

- やっていることは、
  - 配列aの値をキーとしてハッシュを作り、出現した回数をカウントする　⇒　a.inject(Hash.new(0)) {|h, key| h[key] += 1; h}
  - バリューが２以上の場合、キーを返す。　⇒　v if a.inject(Hash.new(0)) {|h, key| h[key] += 1; h}[v] >= 2
  - 配列aが持つユニークな値それぞれについて上記を繰り返す。　⇒　a.uniq.map{|v| v if a.inject(Hash.new(0)) {|h, key| h[key] += 1; h}[v] >= 2}
  - nilの値を排除する。　⇒　a.uniq.map{|v| v if a.inject(Hash.new(0)) {|h, key| h[key] += 1; h}[v] >= 2}.compact
- ちょっと入り組んでいるが、１行でさくっと、もれなく抽出できる。
- ちなみに、2を3にすると３つ以上あるものを抽出できたりする。
- メソッドとして定義しておくと便利かも。

しかし、このコードには大きな問題があった。
これだとn+1問題的な問題が発生し、パフォーマンスが著しく悪い。a.inject・・・が毎回行われてしまっている。
そこで、メソッドを以下のように修正。

a = [1, 2, 3, 4, 5, 6, 5, 4]
a.inject(Hash.new(0)){|h, key| h[key] += 1; h}.map {|k,v| k if v >= 2}.compact

#=> [4, 5]

@yohfeeさんから紹介して頂いた下記のやり方もシンプルで良いと思う。
- ただし、ruby1.8.7以上に限る。1.8.6だとone?メソッドがないので、v.size == 1に書き換える必要がある。

a = [1, 2, 3, 4, 5, 6, 5, 4]
a.group_by{|i| i}.reject{|k,v| v.one?}.keys

#=> [4, 5]

パフォーマンスチェック

require 'benchmark'
a = (1..5000).to_a
a += [1,3,4,5,2000,4,2]

Benchmark.bm do |x|
  x.report("hash_before:") do
    a.uniq.map{|v| (a.inject(Hash.new(0)) {|h, key| h[key] += 1; h}[v] >= 2) ? v : nil}.compact
  end

  x.report("hash_after :") do
    a.inject(Hash.new(0)){|h, key| h[key] += 1; h}.map {|k,v| k if v >= 2}.compact
  end

  x.report("use_group_by:") do 
    a.group_by{|i| i}.reject{|k,v| v.one?}.keys
  end
end


#       user     system      total        real
# hash_before: 99.370000  25.070000 124.440000 (200.303787)
# hash_after :  0.020000   0.010000   0.030000 (  0.038642)
# use_group_by:  0.040000   0.010000   0.050000 (  0.052790)