1、定义一个list,这个list里面模拟一行一行的文本数据
val lines = List("hello aa bb cc ", "hello dd ee ff aa ", "hello kk hh jj")
2、用map函数对lines按照空格进行切割
val lineword = lines.map(_.split(" "))
3、用flatten函数对lineword进行“压平”
val words = lineword.flatten
4、还可以把2、3合为一步,使用flatMap函数
val words = lines.flatMap(_.split(" "))
结果
words:List[String] = List(hello ,aa, bb, cc , hello, dd, ee, ff, aa , hello, kk, hh, jj)
5、words中的每个单词都计数为 1 。
val wordAndOne = words.map(( _ , 1 ))
结果
wordAndOne: List[(String,Int)] = List((hello,1),(aa,1),(bb,1),(cc,1),(hello,1),(dd,1),(ee,1),(ff,1),(aa,1),(hello,1),(kk,1),(hh,1),(jj,1),())
6、分组,将相同的单词放到一起,使用函数groupBy
val grouped = wordAndOne.groupBy( **_._1**)
结果是一个map,里面是一对对的对偶元组,key -> value 的形式。
grouped: scala.collection.immutable.Map[String,List[(String, Int)]] =
Map(cc -> List((cc,1)),
hello -> List((hello,1), (hello,1), (hello,1)),
aa -> List((aa,1), (aa,1)),
ee -> List((ee,1)),
hh -> List((hh,1)),
jj -> List((jj,1)),
)
7、统计单词个数:把map里面每个对偶元组的key 和 value.size取出来即可达到目的。
val res = grouped.map(t => (t._1,t._2.size))
结果
res: scala.collection.immutable.Map[String,Int] =
Map(cc -> 1,
hello -> 3,
bb -> 1,
ee -> 1,
ff -> 1,
hh -> 1,
kk -> 1,
jj -> 1,
dd -> 1)
8、按照单词出现的次数,从高到低排序
val finalRes = res.toList.sortBy(_._2).reverse
结果
finalRes: List[(String, Int)] =
List((hello,3),
(aa,2),
(jj,1),
(hh,1),
(ee,1),
(cc,1))
9、终极写法,一句搞定!!!
val res = lines.flatMap(_.split(" ")).map((_,1)).groupBy(_._1).map(t => (t._1,t._2.size)).toList.sortBy(_._2).reverse