本文介绍一种简洁、准确且符合定义的 php 实现方式，用于根据论文引用数组计算学者的 h 指数，核心逻辑基于排序后的位置比较，时间复杂度为 o(n log n)，适用于各类科研数据场景。
本文介绍一种简洁、准确且符合定义的 php 实现方式，用于根据论文引用数组计算学者的 h 指数，核心逻辑基于排序后的位置比较，时间复杂度为 o(n log n)，适用于各类科研数据场景。
H 指数（h-index）是衡量科研人员学术影响力的重要指标，其定义为：最大的整数 h，使得该作者至少有 h 篇论文每篇被引用不少于 h 次。例如，引用数组 [9, 7, 6, 2, 1] 经降序排列后，第 0 位（索引 0）对应值 9 ≥ 1？不参与判断；关键在于：当遍历到索引 i（从 0 开始）时，若当前论文引用数 $citations[i] ，则最大满足条件的 <code>h 即为 i（因为前 i 篇已满足“每篇 ≥ i 次”）。但更直观的实现是：将数组降序排列后，找到首个满足 $index ≥ $citation 的位置，该 $index 即为 h 值（注意：此处 $index 从 0 开始，而 h 是“篇数”，即自然计数，故直接返回 $index 即可——因前 $index 篇论文（索引 0 到 $index−1）共 $index 篇，且它们的引用均 ≥ $index）。
以下是推荐的 PHP 实现（匿名函数形式，可轻松转为普通函数或方法）：
$hIndex = function(array $citations): int {
rsort($citations); // 降序排列：高引用在前
foreach ($citations as $index => $count) {
// 当前位置（0-indexed）表示「已有 index+1 篇论文」，
// 但定义要求「h 篇论文各 ≥ h 次」→ 等价于：第 index 篇（0-indexed）的引用数必须 ≥ index+1
// 因此，若 count < index + 1，则最大可行 h 就是 index（即前 index 篇满足条件）
// 但更简洁等价逻辑：检查是否 index >= count → 此时 h = index 满足定义（前 index 篇均 ≥ index）
if ($index >= $count) {
return $index;
}
}
// 全部满足：如 [5,5,5,5,5] → index=4, count=5 → 4<5，继续；循环结束未返回，说明 h = 数组长度
return count($citations);
};✅ 验证示例：
echo $hIndex([9, 7, 6, 2, 1]) . "\n"; // 输出: 3 echo $hIndex([51, 27, 14, 14, 6, 2, 1, 0, 0, 0]) . "\n"; // 输出: 5 echo $hIndex([10, 9, 8, 7, 6, 5, 4, 3, 2, 1]) . "\n"; // 输出: 5 echo $hIndex([100, 100, 2, 2, 2, 2, 2, 2, 2, 2]) . "\n"; // 输出: 2 echo $hIndex([100, 100, 9, 8, 3, 2, 2, 1, 1, 0]) . "\n"; // 输出: 4
⚠️ 注意事项：
立即学习“PHP免费学习笔记（深入）”；
- 输入数组无需预排序，函数内部自动
rsort()处理； - 空数组返回
0（count()为 0，循环不执行，最终return 0）； - 包含零引用或负值（如有）需提前过滤，因 H 指数仅统计有效引用（Wikipedia 定义中引用数为非负整数）；
- 该算法简洁高效，适合中小型数据集；若需处理百万级论文引用，可考虑二分搜索优化（先排序再二分查找最大 h），但日常科研分析中本实现已足够。
总结：H 指数的本质是排序后的“位置-数值”平衡点。PHP 中一行 rsort() 加一次线性扫描，即可精准捕获该临界值，兼顾可读性与实用性。
