linqでバッチを作成する

誰かがlinqで特定のサイズのバッチを作成する方法を提案できますか？

理想的には、構成可能な量のチャンクで操作を実行できるようにしたいです。

コードを書く必要はありません。ソースシーケンスをサイズのバケットにバッチ処理するMoreLINQバッチメソッドを使用します（MoreLINQは、インストール可能なNuGetパッケージとして入手できます）。

int size = 10;
var batches = sequence.Batch(size);

これは次のように実装されます。

public static IEnumerable<IEnumerable<TSource>> Batch<TSource>(
                  this IEnumerable<TSource> source, int size)
{
    TSource[] bucket = null;
    var count = 0;

    foreach (var item in source)
    {
        if (bucket == null)
            bucket = new TSource[size];

        bucket[count++] = item;
        if (count != size)
            continue;

        yield return bucket;

        bucket = null;
        count = 0;
    }

    if (bucket != null && count > 0)
        yield return bucket.Take(count).ToArray();
}

public static class MyExtensions
{
    public static IEnumerable<IEnumerable<T>> Batch<T>(this IEnumerable<T> items,
                                                       int maxItems)
    {
        return items.Select((item, inx) => new { item, inx })
                    .GroupBy(x => x.inx / maxItems)
                    .Select(g => g.Select(x => x.item));
    }
}

使用法は次のとおりです。

List<int> list = new List<int>() { 0, 1, 2, 3, 4, 5, 6, 7, 8, 9 };

foreach(var batch in list.Batch(3))
{
    Console.WriteLine(String.Join(",",batch));
}

出力：

0,1,2
3,4,5
6,7,8
9

sequencedefined asで開始しIEnumerable<T>、それが安全に複数回列挙できることがわかっている場合（たとえば、配列またはリストであるため）、この単純なパターンを使用して、要素をバッチで処理できます。

while (sequence.Any())
{
    var batch = sequence.Take(10);
    sequence = sequence.Skip(10);

    // do whatever you need to do with each batch here
}

上記のすべては、大規模なバッチまたは低いメモリ領域でひどく実行されます。パイプライン処理する独自のコードを作成する必要がありました（アイテムの蓄積がどこにもないことに注意してください）。

public static class BatchLinq {
    public static IEnumerable<IEnumerable<T>> Batch<T>(this IEnumerable<T> source, int size) {
        if (size <= 0)
            throw new ArgumentOutOfRangeException("size", "Must be greater than zero.");

        using (IEnumerator<T> enumerator = source.GetEnumerator())
            while (enumerator.MoveNext())
                yield return TakeIEnumerator(enumerator, size);
    }

    private static IEnumerable<T> TakeIEnumerator<T>(IEnumerator<T> source, int size) {
        int i = 0;
        do
            yield return source.Current;
        while (++i < size && source.MoveNext());
    }
}

編集：このアプローチの既知の問題は、次のバッチに移動する前に、各バッチを完全に列挙して列挙する必要があることです。たとえば、これは機能しません：

//Select first item of every 100 items
Batch(list, 100).Select(b => b.First())

これは、累積を行わないBatchの完全に遅延した、オーバーヘッドが少ない、1つの機能の実装です。EricRollerの助けを借りたNick Whaleyのソリューションに基づいた（そして問題を修正した）。

反復は、基礎となるIEnumerableから直接行われるため、要素は厳密な順序で列挙され、1回のみアクセスされる必要があります。いくつかの要素が内部ループで消費されない場合、それらは破棄されます（そして、保存されたイテレータを介してそれらに再度アクセスしようとすると、がスローされますInvalidOperationException: Enumeration already finished.）。

.NET Fiddleで完全なサンプルをテストできます。

public static class BatchLinq
{
    public static IEnumerable<IEnumerable<T>> Batch<T>(this IEnumerable<T> source, int size)
    {
        if (size <= 0)
            throw new ArgumentOutOfRangeException("size", "Must be greater than zero.");
        using (var enumerator = source.GetEnumerator())
            while (enumerator.MoveNext())
            {
                int i = 0;
                // Batch is a local function closing over `i` and `enumerator` that
                // executes the inner batch enumeration
                IEnumerable<T> Batch()
                {
                    do yield return enumerator.Current;
                    while (++i < size && enumerator.MoveNext());
                }

                yield return Batch();
                while (++i < size && enumerator.MoveNext()); // discard skipped items
            }
    }
}

古い学校のfor-loopソリューションを誰も投稿したことがないのはなぜでしょうか。ここに1つあります：

List<int> source = Enumerable.Range(1,23).ToList();
int batchsize = 10;
for (int i = 0; i < source.Count; i+= batchsize)
{
    var batch = source.Skip(i).Take(batchsize);
}

Takeメソッドは次の理由により、この単純化が可能です。

... 要素がsource生成されるか、要素がなくなるまで、count要素を列挙して生成しsourceます。countの要素数を超える場合source、のすべての要素sourceが返されます

免責事項：

ループ内でスキップとテイクを使用することは、列挙可能オブジェクトが複数回列挙されることを意味します。これは、列挙型が延期されると危険です。その結果、データベースクエリ、Webリクエスト、またはファイルの読み取りが複数実行される可能性があります。この例は、延期されないListの使用を明示的に示しているため、それほど問題にはなりません。skipは、呼び出されるたびにコレクションを列挙するため、それでも遅いソリューションです。

これはGetRangeメソッドを使用して解決することもできますが、可能な残りのバッチを抽出するには追加の計算が必要です。

for (int i = 0; i < source.Count; i += batchsize)
{
    int remaining = source.Count - i;
    var batch = remaining > batchsize  ? source.GetRange(i, batchsize) : source.GetRange(i, remaining);
}

これはこれを処理する3番目の方法で、2つのループで機能します。これにより、コレクションが1回だけ列挙されることが保証されます！：

int batchsize = 10;
List<int> batch = new List<int>(batchsize);

for (int i = 0; i < source.Count; i += batchsize)
{
    // calculated the remaining items to avoid an OutOfRangeException
    batchsize = source.Count - i > batchsize ? batchsize : source.Count - i;
    for (int j = i; j < i + batchsize; j++)
    {
        batch.Add(source[j]);
    }           
    batch.Clear();
}

MoreLINQと同じアプローチですが、配列の代わりにリストを使用します。ベンチマークはしていませんが、読みやすさを重視する人もいます。

    public static IEnumerable<IEnumerable<T>> Batch<T>(this IEnumerable<T> source, int size)
    {
        List<T> batch = new List<T>();

        foreach (var item in source)
        {
            batch.Add(item);

            if (batch.Count >= size)
            {
                yield return batch;
                batch.Clear();
            }
        }

        if (batch.Count > 0)
        {
            yield return batch;
        }
    }

Nick Whaley（link）とinfogulch（link）の遅延Batch実装の改良を試みました。これは厳格です。バッチを正しい順序で列挙するか、例外が発生します。

public static IEnumerable<IEnumerable<TSource>> Batch<TSource>(
    this IEnumerable<TSource> source, int size)
{
    if (size <= 0) throw new ArgumentOutOfRangeException(nameof(size));
    using (var enumerator = source.GetEnumerator())
    {
        int i = 0;
        while (enumerator.MoveNext())
        {
            if (i % size != 0) throw new InvalidOperationException(
                "The enumeration is out of order.");
            i++;
            yield return GetBatch();
        }
        IEnumerable<TSource> GetBatch()
        {
            while (true)
            {
                yield return enumerator.Current;
                if (i % size == 0 || !enumerator.MoveNext()) break;
                i++;
            }
        }
    }
}

そして、ここBatchにタイプのソースの遅延実装がありますIList<T>。これは列挙に制限を課しません。バッチは、部分的に、任意の順序で、複数回列挙できます。ただし、列挙中にコレクションを変更しないという制限はまだ適用されています。これはenumerator.MoveNext()、チャンクまたは要素を生成する前にダミーの呼び出しを行うことによって実現されます。欠点は、列挙子がいつ終了するか不明であるため、列挙子が未処理のままになることです。

public static IEnumerable<IEnumerable<TSource>> Batch<TSource>(
    this IList<TSource> source, int size)
{
    if (size <= 0) throw new ArgumentOutOfRangeException(nameof(size));
    var enumerator = source.GetEnumerator();
    for (int i = 0; i < source.Count; i += size)
    {
        enumerator.MoveNext();
        yield return GetChunk(i, Math.Min(i + size, source.Count));
    }
    IEnumerable<TSource> GetChunk(int from, int toExclusive)
    {
        for (int j = from; j < toExclusive; j++)
        {
            enumerator.MoveNext();
            yield return source[j];
        }
    }
}

今から参加しますが、もっと面白いものを見つけました。

したがって、ここSkipを使用Takeしてパフォーマンスを向上させることができます。

public static class MyExtensions
    {
        public static IEnumerable<IEnumerable<T>> Batch<T>(this IEnumerable<T> items, int maxItems)
        {
            return items.Select((item, index) => new { item, index })
                        .GroupBy(x => x.index / maxItems)
                        .Select(g => g.Select(x => x.item));
        }

        public static IEnumerable<T> Batch2<T>(this IEnumerable<T> items, int skip, int take)
        {
            return items.Skip(skip).Take(take);
        }

    }

次に、1万件のレコードを確認しました。ループするだけの場合、時間がかかりますBatch

コンソールアプリケーションのコード。

static void Main(string[] args)
{
    List<string> Ids = GetData("First");
    List<string> Ids2 = GetData("tsriF");

    Stopwatch FirstWatch = new Stopwatch();
    FirstWatch.Start();
    foreach (var batch in Ids2.Batch(5000))
    {
        // Console.WriteLine("Batch Ouput:= " + string.Join(",", batch));
    }
    FirstWatch.Stop();
    Console.WriteLine("Done Processing time taken:= "+ FirstWatch.Elapsed.ToString());


    Stopwatch Second = new Stopwatch();

    Second.Start();
    int Length = Ids2.Count;
    int StartIndex = 0;
    int BatchSize = 5000;
    while (Length > 0)
    {
        var SecBatch = Ids2.Batch2(StartIndex, BatchSize);
        // Console.WriteLine("Second Batch Ouput:= " + string.Join(",", SecBatch));
        Length = Length - BatchSize;
        StartIndex += BatchSize;
    }

    Second.Stop();
    Console.WriteLine("Done Processing time taken Second:= " + Second.Elapsed.ToString());
    Console.ReadKey();
}

static List<string> GetData(string name)
{
    List<string> Data = new List<string>();
    for (int i = 0; i < 100000; i++)
    {
        Data.Add(string.Format("{0} {1}", name, i.ToString()));
    }

    return Data;
}

かかった時間はこんな感じ

最初-00：00：00.0708、00：00：00.0660

2番目（1つを実行してスキップ）-00：00：00.0008、00：00：00.0008

したがって、機能的な帽子をかぶると、これは取るに足らないことのように見えますが、C＃では、いくつかの重大な欠点があります。

あなたはおそらくこれをIEnumerableの展開として見るでしょう（グーグルそれとあなたはおそらくいくつかのHaskellドキュメントに行き着くでしょうが、F＃を知っていれば、Haskellドキュメントに目を細めて、それが作るでしょう、展開を使用するいくつかのF＃のものがあるかもしれませんセンス）。

展開は、入力IEnumerableを介して反復するのではなく、出力データ構造を反復処理することを除いて、フォールド（「集約」）に関連しています（IEnumerableとIObservableの間の同様の関係です。実際、IObservableは、生成と呼ばれる「展開」を実装していると思います。 ..）

とにかく最初にunfoldメソッドが必要です、これはうまくいくと思います（残念ながら、最終的には大きな「リスト」のスタックが爆破されます... concatではなく、yieldを使用してF＃で安全に書き込むことができます）;

    static IEnumerable<T> Unfold<T, U>(Func<U, IEnumerable<Tuple<U, T>>> f, U seed)
    {
        var maybeNewSeedAndElement = f(seed);

        return maybeNewSeedAndElement.SelectMany(x => new[] { x.Item2 }.Concat(Unfold(f, x.Item1)));
    }

C＃は機能的な言語が当然とするものの一部を実装していないため、これは少し鈍感ですが、基本的にシードを取得し、IEnumerableの次の要素と次のシードの「Maybe」応答を生成します（Maybe C＃には存在しないため、IEnumerableを使用してそれを偽造しています）。残りの回答を連結します（これの「O（n？）」の複雑さについては保証できません）。

それをしたら、それから;

    static IEnumerable<IEnumerable<T>> Batch<T>(IEnumerable<T> xs, int n)
    {
        return Unfold(ys =>
            {
                var head = ys.Take(n);
                var tail = ys.Skip(n);
                return head.Take(1).Select(_ => Tuple.Create(tail, head));
            },
            xs);
    }

すべてきれいに見えます... IEnumerableの "next"要素として "n"要素を取り、 "tail"は残りの未処理リストです。

頭に何もない場合...あなたは終わりです...あなたは「何も」を返しません（しかし、空のIEnumerable>として偽装されます）...そうでなければ、処理するヘッド要素とテールを返します。

おそらくIObservableを使用してこれを行うことができます。おそらくそこにはすでに「Batch」のようなメソッドがあり、おそらくそれを使用できます。

スタックオーバーフローが心配になる場合（おそらくそうする必要があります）、F＃で実装する必要があります（おそらく、これにすでにいくつかのF＃ライブラリ（FSharpX？）があります）。

（私はこれのいくつかの初歩的なテストを行っただけなので、そこに奇妙なバグがあるかもしれません）。

私は、linqなしで機能し、データに対する単一の列挙を保証するカスタムIEnumerable実装を作成しました。また、大規模なデータセットでメモリを爆発させるバッキングリストや配列を必要とせずに、これらすべてを実現します。

基本的なテストは次のとおりです。

    [Fact]
    public void ShouldPartition()
    {
        var ints = new List<int> {0, 1, 2, 3, 4, 5, 6, 7, 8, 9};
        var data = ints.PartitionByMaxGroupSize(3);
        data.Count().Should().Be(4);

        data.Skip(0).First().Count().Should().Be(3);
        data.Skip(0).First().ToList()[0].Should().Be(0);
        data.Skip(0).First().ToList()[1].Should().Be(1);
        data.Skip(0).First().ToList()[2].Should().Be(2);

        data.Skip(1).First().Count().Should().Be(3);
        data.Skip(1).First().ToList()[0].Should().Be(3);
        data.Skip(1).First().ToList()[1].Should().Be(4);
        data.Skip(1).First().ToList()[2].Should().Be(5);

        data.Skip(2).First().Count().Should().Be(3);
        data.Skip(2).First().ToList()[0].Should().Be(6);
        data.Skip(2).First().ToList()[1].Should().Be(7);
        data.Skip(2).First().ToList()[2].Should().Be(8);

        data.Skip(3).First().Count().Should().Be(1);
        data.Skip(3).First().ToList()[0].Should().Be(9);
    }

データを分割する拡張メソッド。

/// <summary>
/// A set of extension methods for <see cref="IEnumerable{T}"/>. 
/// </summary>
public static class EnumerableExtender
{
    /// <summary>
    /// Splits an enumerable into chucks, by a maximum group size.
    /// </summary>
    /// <param name="source">The source to split</param>
    /// <param name="maxSize">The maximum number of items per group.</param>
    /// <typeparam name="T">The type of item to split</typeparam>
    /// <returns>A list of lists of the original items.</returns>
    public static IEnumerable<IEnumerable<T>> PartitionByMaxGroupSize<T>(this IEnumerable<T> source, int maxSize)
    {
        return new SplittingEnumerable<T>(source, maxSize);
    }
}

これは実装クラスです

    using System.Collections;
    using System.Collections.Generic;

    internal class SplittingEnumerable<T> : IEnumerable<IEnumerable<T>>
    {
        private readonly IEnumerable<T> backing;
        private readonly int maxSize;
        private bool hasCurrent;
        private T lastItem;

        public SplittingEnumerable(IEnumerable<T> backing, int maxSize)
        {
            this.backing = backing;
            this.maxSize = maxSize;
        }

        public IEnumerator<IEnumerable<T>> GetEnumerator()
        {
            return new Enumerator(this, this.backing.GetEnumerator());
        }

        IEnumerator IEnumerable.GetEnumerator()
        {
            return this.GetEnumerator();
        }

        private class Enumerator : IEnumerator<IEnumerable<T>>
        {
            private readonly SplittingEnumerable<T> parent;
            private readonly IEnumerator<T> backingEnumerator;
            private NextEnumerable current;

            public Enumerator(SplittingEnumerable<T> parent, IEnumerator<T> backingEnumerator)
            {
                this.parent = parent;
                this.backingEnumerator = backingEnumerator;
                this.parent.hasCurrent = this.backingEnumerator.MoveNext();
                if (this.parent.hasCurrent)
                {
                    this.parent.lastItem = this.backingEnumerator.Current;
                }
            }

            public bool MoveNext()
            {
                if (this.current == null)
                {
                    this.current = new NextEnumerable(this.parent, this.backingEnumerator);
                    return true;
                }
                else
                {
                    if (!this.current.IsComplete)
                    {
                        using (var enumerator = this.current.GetEnumerator())
                        {
                            while (enumerator.MoveNext())
                            {
                            }
                        }
                    }
                }

                if (!this.parent.hasCurrent)
                {
                    return false;
                }

                this.current = new NextEnumerable(this.parent, this.backingEnumerator);
                return true;
            }

            public void Reset()
            {
                throw new System.NotImplementedException();
            }

            public IEnumerable<T> Current
            {
                get { return this.current; }
            }

            object IEnumerator.Current
            {
                get { return this.Current; }
            }

            public void Dispose()
            {
            }
        }

        private class NextEnumerable : IEnumerable<T>
        {
            private readonly SplittingEnumerable<T> splitter;
            private readonly IEnumerator<T> backingEnumerator;
            private int currentSize;

            public NextEnumerable(SplittingEnumerable<T> splitter, IEnumerator<T> backingEnumerator)
            {
                this.splitter = splitter;
                this.backingEnumerator = backingEnumerator;
            }

            public bool IsComplete { get; private set; }

            public IEnumerator<T> GetEnumerator()
            {
                return new NextEnumerator(this.splitter, this, this.backingEnumerator);
            }

            IEnumerator IEnumerable.GetEnumerator()
            {
                return this.GetEnumerator();
            }

            private class NextEnumerator : IEnumerator<T>
            {
                private readonly SplittingEnumerable<T> splitter;
                private readonly NextEnumerable parent;
                private readonly IEnumerator<T> enumerator;
                private T currentItem;

                public NextEnumerator(SplittingEnumerable<T> splitter, NextEnumerable parent, IEnumerator<T> enumerator)
                {
                    this.splitter = splitter;
                    this.parent = parent;
                    this.enumerator = enumerator;
                }

                public bool MoveNext()
                {
                    this.parent.currentSize += 1;
                    this.currentItem = this.splitter.lastItem;
                    var hasCcurent = this.splitter.hasCurrent;

                    this.parent.IsComplete = this.parent.currentSize > this.splitter.maxSize;

                    if (this.parent.IsComplete)
                    {
                        return false;
                    }

                    if (hasCcurent)
                    {
                        var result = this.enumerator.MoveNext();

                        this.splitter.lastItem = this.enumerator.Current;
                        this.splitter.hasCurrent = result;
                    }

                    return hasCcurent;
                }

                public void Reset()
                {
                    throw new System.NotImplementedException();
                }

                public T Current
                {
                    get { return this.currentItem; }
                }

                object IEnumerator.Current
                {
                    get { return this.Current; }
                }

                public void Dispose()
                {
                }
            }
        }
    }

私は誰もがこの作業を行うために複雑なシステムを使用していることを知っていますが、それがなぜかわかりません。テイクアンドスキップを使用すると、共通のselect with Func<TSource,Int32,TResult>transform関数を使用してこれらの操作をすべて実行できます。お気に入り：

public IEnumerable<IEnumerable<T>> Buffer<T>(IEnumerable<T> source, int size)=>
    source.Select((item, index) => source.Skip(size * index).Take(size)).TakeWhile(bucket => bucket.Any());

もう1行だけ実装します。空のリストでも機能します。この場合、サイズがゼロのバッチコレクションが取得されます。

var aList = Enumerable.Range(1, 100).ToList(); //a given list
var size = 9; //the wanted batch size
//number of batches are: (aList.Count() + size - 1) / size;

var batches = Enumerable.Range(0, (aList.Count() + size - 1) / size).Select(i => aList.GetRange( i * size, Math.Min(size, aList.Count() - i * size)));

Assert.True(batches.Count() == 12);
Assert.AreEqual(batches.ToList().ElementAt(0), new List<int>() { 1, 2, 3, 4, 5, 6, 7, 8, 9 });
Assert.AreEqual(batches.ToList().ElementAt(1), new List<int>() { 10, 11, 12, 13, 14, 15, 16, 17, 18 });
Assert.AreEqual(batches.ToList().ElementAt(11), new List<int>() { 100 });

別の方法は、Rx Bufferオペレーターを使用することです

//using System.Linq;
//using System.Reactive.Linq;
//using System.Reactive.Threading.Tasks;

var observableBatches = anAnumerable.ToObservable().Buffer(size);

var batches = aList.ToObservable().Buffer(size).ToList().ToTask().GetAwaiter().GetResult();

    static IEnumerable<IEnumerable<T>> TakeBatch<T>(IEnumerable<T> ts,int batchSize)
    {
        return from @group in ts.Select((x, i) => new { x, i }).ToLookup(xi => xi.i / batchSize)
               select @group.Select(xi => xi.x);
    }