1. 共同好友案例
1.1 数组准备:
A:B,C,D,F,E,O
B:A,C,E,K
C:F,A,D,I
D:A,E,F,L
E:B,C,D,M,L
F:A,B,C,D,E,O,M
G:A,C,D,E,F
H:A,C,D,E,O
I:A,O
J:B,O
K:A,C,D
L:D,E,F
M:E,F,G
O:A,H,I,J
1.2 代码实现
//先读取文件数据,将数据转为(用户,array(好友列表)) val arr=Source.fromFile(new File("E:\\java_project\\lineproject\\Data\\friends")).getLines() .map(e => { val strings = e.split(":") val fs = strings(1).split(",") (strings(0), fs.toList) }).toList /** * (A,List(B, C, D, F, E, O)) * (B,List(A, C, E, K)) * (C,List(F, A, D, I)) * (D,List(A, E, F, L)) * (E,List(B, C, D, M, L)) * (F,List(A, B, C, D, E, O, M)) * (G,List(A, C, D, E, F)) * (H,List(A, C, D, E, O)) * (I,List(A, O)) * (J,List(B, O)) * (K,List(A, C, D)) * (L,List(D, E, F)) * (M,List(E, F, G)) * (O,List(A, H, I, J)) * */ //遍历每个好友用你第一个好友和后的每一好友一次比较,取每个人的好友列表的交集 val tuples = for (i <- 0 to arr.length - 2; j <- i + 1 to arr.length - 1) yield { (s"${arr(i)._1} 和 ${arr(j)._1}的共同好友为:", arr(i)._2.intersect(arr(j)._2)) } //去除结果为空的好友列表 tuples.filter(_._2.length>0).foreach(println) //结果展示 /* (A 和 B的共同好友为:,List(C, E)) (A 和 C的共同好友为:,List(D, F)) (A 和 D的共同好友为:,List(F, E)) (A 和 E的共同好友为:,List(B, C, D)) (A 和 F的共同好友为:,List(B, C, D, E, O)) (A 和 G的共同好友为:,List(C, D, F, E)) (A 和 H的共同好友为:,List(C, D, E, O)) (A 和 I的共同好友为:,List(O)) (A 和 J的共同好友为:,List(B, O)) (A 和 K的共同好友为:,List(C, D)) (A 和 L的共同好友为:,List(D, F, E)) (A 和 M的共同好友为:,List(F, E))*/
2. 线段重合案例
2.1 数据准备
1,4 2,5 4,6 2,4 3,6 4,6 1,5
2.1 思路分析
线段重合案例,实际就是wordCount 案例,统计线段重合部分出现的次数,也就是,统计相同点的次数
2.2 代码实现
//先从文件中读取数据 Source.fromFile(new File("E:\\java_project\\lineproject\\Data\\line.txt")).getLines() .map(_.split(",").toList) .flatMap(e => { for (i <- e(0).toInt to e(1).toInt) yield (i, 1) //将数组拆分成:[1,4] 拆分成(1,1),(2,1),(3,1),(4,1) }) .toList .groupBy(_._1)//按照对偶元组中的k进行分组,相同的在一组,后面试list集合 .toList .map(e => (e._1, e._2.length)) //求出相同组中,集合的长度就是重合的次数 .toList .sortBy(-_._2) //按照对偶元组中v进行降序排序 .foreach(println) //结果展示 (4, 7) (5, 5) (3, 5) (2, 4) (6, 3) (1, 2)