`

Scala 函数之map(返回集合)、reduce、flatMap、zip和foreach(无返回值)学习

 
阅读更多
map和flatMap的区别
object collection_t1 {

  def flatMap1(): Unit = {
    val li = List(1,2,3)
    val res = li.flatMap(x => x match {
      case 3 => List('a','b')
      case _ => List(x*2)
    })
    println(res)
  }

  def map1(): Unit = {
    val li = List(1,2,3)
    val res = li.map(x => x match {
      case 3 => List('a','b')
      case _ => x*2
    })
    println(res)
  }

  def main(args: Array[String]): Unit = {
    flatMap1()
    map1()
  }
}


输出结果

List(2, 4, a, b)
List(2, 4, List(a, b))


map

val v = Vector(1, 2, 3, 4)
val v2 = v.map(n => n + 1)


它的输出是

v: scala.collection.immutable.Vector[Int] = Vector(1, 2, 3, 4)
v2: scala.collection.immutable.Vector[Int] = Vector(2, 3, 4, 5)

什么意思呢?

第一句的意思是声明一个向量名叫v,并将初始值传递给它,用Java程序猿习惯的说法是创建一个向量对象,赋给v。

第二句话的意思是对v的每个元素加1,产生新的向量返回给v2。从输出中可以看出结果确实如此。

map这个单词在这里不是地图的意思,而是映射、关联,将源容器中的元素经过函数处理后一一映射到新容器中。上面代码中执行的函数就是加个1的匿名函数,我们可以自己定义成其他函数,加2啊,乘5啊,平方啊,等等。

reduce

reduce返回的值的类型必须和列表的元素类型相关。

val v = Vector(1, 2, 3, 4)
val v3 = v.reduce((sum, n) => sum + n)


它的输出是

v: scala.collection.immutable.Vector[Int] = Vector(1, 2, 3, 4)
v3: Int = 10


这个10是怎么来的呢,或者说reduce是干嘛用的那?

reduce也不是减少的意思,而是归纳、简化的意思,具体讲是把容器中的元素作参数传给里面的二元匿名函数,我的理解是实际上是个尾递归函数。不要被这个名词吓到,它只是把递归换了个形式,等价的Java代码如下:

 public static int sumInt(int n) {
        return sumInt(1, n );
    }

    public static int sumInt(int lastResult, int n) {
        if (n <= 1) return lastResult;
        return sumInt(n + lastResult, n - 1);
    }


总之就是自己调用自己,之所以换种形式,是因为尾递归更容易优化,效率更高,内存占用更少。

回过头来看reduce就是这种用尾递归的方式处理二元匿名函数,函数体可以是求和,也可以是求积,等等,把容器中的元素归集起来返回。

flatMap

通过 flatMap 我们可以处理元素是序列的列表。将提供的函数应用于每个序列元素会返回包含原始列表所有序列内的元素的列表。

scala> val list3 = 10 to 20 toList
list3: List[Int] = List(10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20)

scala> val list2 = 1 to 10 toList
list2: List[Int] = List(1, 2, 3, 4, 5, 6, 7, 8, 9, 10)

scala> val list4 = List(list2, list3)
list4: List[List[Int]] = List(List(1, 2, 3, 4, 5, 6, 7, 8, 9, 10), List(10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20))

scala> list4.flatMap(x=>x.map(y=>y*2))
res2: List[Int] = List(2, 4, 6, 8, 10, 12, 14, 16, 18, 20, 20, 22, 24, 26, 28, 30, 32, 34, 36, 38, 40) 


我们可以看到有list4的元素是两个列表。我们调用 flatMap 分别处理这两个列表,并用 map 将这两个列表的元素平方,最后的结果是一个包含所有元素的平坦的列表。

译者注:flatMap并不一定用于元素是序列的列表,他只需要应用的函数返回的结果是 GenTraversableOnce 即可(列表的父类),例如:

scala> List(1,2,3,4,5)
res0: List[Int] = List(1, 2, 3, 4, 5)

scala> res0.flatMap(x => 1 to x )
res1: List[Int] = List(1, 1, 2, 1, 2, 3, 1, 2, 3, 4, 1, 2, 3, 4, 5)



zip

从它的名字就可以知道我们可以用此合并两个列表:
scala> val list = "Hello.World".toCharArray
list: Array[Char] = Array(H, e, l, l, o, ., W, o, r, l, d)

scala> val list1 = 1 to 20 toList
list1: List[Int] = List(1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20)

scala> list.zip(list1)
res30: Array[(Char, Int)] = Array((H,1), (e,2), (l,3), (l,4), (o,5), (.,6), (W,7), (o,8), (r,9), (l,10), (d,11))

scala> list1.zip(list)
res31: List[(Int, Char)] = List((1,H), (2,e), (3,l), (4,l), (5,o), (6,.), (7,W), (8,o), (9,r), (10,l), (11,d))


返回的列表长度取决于较短的列表,只要有一个列表到达了末尾 zip 函数就停止了。我们可以使用 zipAll 函数来对较长列表的剩余元素进行处理:

scala> list.zipAll(list1,'a','1')
res33: Array[(Char, AnyVal)] = Array((H,1), (e,2), (l,3), (l,4), (o,5), (.,6), (W,7), (o,8), (r,9), (l,10), (d,11), (a,12), (a,13), (a,14), (a,15), (a,16), (a,17), (a,18), (a,19), (a,20))
(译者注:最后一个参数为1,让返回类型是Array[(Char,Int)]对于这个例子更好点)  


如果字母的列表比较短,那么用 'a' 来补充,反之用 '1' 来补充。最后一个要介绍的 zip 函数是 zipWithIndex 。就像他的名字一样,元素的下标(从0开始)会被增加进去:
scala> list.zipWithIndex
res36: Array[(Char, Int)] = Array((H,0), (e,1), (l,2), (l,3), (o,4), (.,5), (W,6), (o,7), (r,8), (l,9), (d,10))  



foreach

val v = Vector(1, 2, 3, 4)
val v4 = v.foreach(n => println(n))


产生的输出是

1
2
3
4
v: scala.collection.immutable.Vector[Int] = Vector(1, 2, 3, 4)
v4: Unit = ()


v4类型是Unit,就是空的意思,因为foreach没有返回。


分享到:
评论
发表评论

文章已被作者锁定,不允许评论。

相关推荐

    Scala函数式编程

    2 无副作用的函数式编程,同时也解释了为什么在scala中,val和var的区分为什么那么重要。 3 在做习题的过程中,尤其是在做类型推导的过程中,对原来oop,命令式编程向函数式编程转变有很大作用;而且简洁的语法,...

    Scala函数式编程.pdf

    函数式编程(FP)是一种...《Scala函数式编程》是针对希望学习FP并将它应用于日常编码中的程序员而写的,内容包括:函数式编程的概念;函数式编程相关的各种“为什么”和“怎么做”;如何编写多核程序;练习和检测。

    浅析scala中map与flatMap的区别

    flatMap 函数与 map 函数的唯一不同之处在于,flatMap 函数传入的函数在处理完后返回值必须是 List。例如, `{苹果,梨子}.flatMap(切碎) = {苹果碎片1,苹果碎片2,梨子碎片1,梨子碎片2}`。这里的 “切碎” 函数的...

    Scala(中文完整版).zip

    函数定义可以使用匿名函数和高阶函数,类和对象通过case class和trait实现。 **2. 面向对象编程** Scala的面向对象特性包括类、继承、封装和多态。类通过`class`关键字定义,可以有构造器、方法和属性。继承使用`...

    Scala学习第一天(十五):函数式编程(foreach遍历/map映射/flatMap扁平化映射/filter过滤/sort排序/groupBy分组/reduce聚合/fold折叠)

    学习目标遍历(foreach)使用类型推断简化函数定义使用下划线来简化函数定义映射(map)扁平化映射(flatMap)过滤(filter)排序(sort)默认排序 | sorted指定字段排序 | sortBy自定义排序 | sortWith分组(group...

    jupyter-Scala_2.11.11_kernel_Windows.zip

    "jupyter-Scala_2.11.11_kernel_Windows.zip" 是专为Windows操作系统设计的Jupyter Notebook Scala内核安装包,允许用户在Jupyter环境中编写和运行Scala代码。 Scala是一种多范式编程语言,结合了面向对象和函数式...

    Scala和Spark大数据分析函数式编程、数据流和机器学习

    在大数据分析中,Scala的集合API是一大亮点,它提供了丰富的操作,如map、filter和reduce,这些在处理大规模数据时非常实用。 接下来是Apache Spark。Spark以其内存计算模型著称,极大地提高了数据处理速度,比传统...

    快学Scala课后习题答案

    8. **集合库**:Scala的集合库非常强大,提供了各种操作和转换,如map、filter、reduce等。集合可以被视作惰性序列,允许延迟计算和高效处理大量数据。 9. **类型类**:类型类是一种设计模式,允许在运行时添加功能...

    读书笔记:Scala函数式编程的习题答案.zip

    读书笔记:Scala函数式编程的习题答案

    读书笔记:scala函数式编程书本练习代码.zip

    读书笔记:scala函数式编程书本练习代码

    Scala函数式编

    Scala的`map`、`filter`、`fold`等函数都是高阶函数的例子,它们用于对集合进行操作,例如`map`可以对集合中的每个元素应用一个函数并返回新的集合。 柯里化 柯里化(Currying)是将接受多个参数的函数转换为一系列...

    最好的scala学习 课件

    你会学习到Scala的语法结构,包括变量声明、常量、数据类型(如基本类型、引用类型、集合类型)、运算符、流程控制语句(如if-else、for循环、while循环)以及函数和方法的定义。此外,你还将了解Scala的模式匹配和...

    Scala-part2集合框架

    ### Scala 集合框架详解 #### 集合概述 在Scala中,集合框架提供了丰富的数据结构,以便开发者能够高效地处理各种数据组织需求。集合主要分为三类:序列`Seq`、集`Set`以及映射`Map`。所有这些集合都扩展自`...

    读书笔记:用java模拟scala函数式编程模拟实现mapreduce.zip

    读书笔记:用java模拟scala函数式编程模拟实现mapreduce

    Scala编程实战

    7. **集合库**:Scala的集合库非常强大,提供了各种高效、易用的数据结构,如List、Set、Map以及各种转换操作,方便进行复杂的数据处理。 8. **表达式导向编程**:Scala鼓励使用表达式而非语句,使得代码更像数学...

    scala学习-project.zip

    8. **FP(函数式编程)特性**:Scala鼓励使用纯函数和不可变数据结构,这有助于编写无副作用的代码,提高代码的可读性和测试性。 9. **隐式转换**:Scala的隐式转换允许在特定上下文中将一个类型转换为另一个类型,...

Global site tag (gtag.js) - Google Analytics