Ronny's BLOG

我這幾年比較常在做資料處理分析，但是我用的工具不是 R 也不是 Python ，我主要用的是 PHP 
主要也是因為寫了好幾年 PHP ，對於 PHP 也比較熟，也知道一些寫法可以讓效能更好
 

在資料處理上，常會有一個需求，就是我有兩份資料，我想要做條件性的 join ，例如 A 資料是各公司所在縣市資料， B 資料是各公司營業資料
假如我想要 B 資料中只有新北市的資料，寫法可能會是：

$fp = fopen('company_county.csv', 'r');
$match_companies = array();
while ($rows = fgetcsv($fp)) {
    list($id, $county) = $rows;
    if ($county == '新北市') {
        $match_companies[] = $id;
    }
}
fclose($fp);

$fp = fopen('company_data.csv', 'r');
while ($rows = fgetcsv($fp)) {
    list($id, $data) = $rows;
    if (!in_array($id, $match_companies)) {
        continue;
    }
    // 這邊處理只有新北市的公司
}
 

但是上面的寫法，如果公司數量很多的話，速度可能會很慢，原因是因為 in_array 用的是 binary search ，他要從 $array 找東西的話，array 越大要找越久。
但是這種情況只要稍微改一下寫法，就可以讓速度快超多。

$fp = fopen('company_county.csv', 'r');
$match_companies = array();
while ($rows = fgetcsv($fp)) {
    list($id, $county) = $rows;
    if ($county == '新北市') {
        $match_companies[$id] = true;
    }
}
fclose($fp);

$fp = fopen('company_data.csv', 'r');
while ($rows = fgetcsv($fp)) {
    list($id, $data) = $rows;
    if (!array_key_exists($id, $match_companies)) {
        continue;
    }
    // 這邊處理只有新北市的公司
}
 

（有變更的部分改成紅色）

改用 array_key_exists 取代 in_array 的話，速度可能可以快好幾倍，原因是 array_key_exists 是直接檢查 key 是否存在，這是 O(1) 的動作，幾乎可以說是秒殺動作。

所以在使用 in_array() 時，可以多想想，如果後面的 array 很大的話，能不能改成 array_key_exists 的寫法。

[Updated]

• Jimmy 有提到也可以用 isset() ，在這邊的 case 的確也可以用 isset() 沒問題，可以少打幾個字。但是我自己的習慣是因為 $a[1] = null; isset($a[1]) 會回傳 false 這個行為常常會讓我搞錯，為了避免踩到這個雷，因此我很久沒使用 isset( ) 了，寧可多打幾個字用 array_key_exists( ) 來減少 isset 踩到雷的機會。

[update