scala 非常重要的高阶函数

函数名	说明	示例
map	映射，把一个集合转换为另外一个集合。集合中元素个数不变	//> res1: List[Int] = List(2, 3, 4, 5, 6, 7)   val1.map { x => x+1 }       //> res2: List[String] = List(Y1, Y2, Y3, Y4, Y5, Y6)   val1.map { x => "Y"+x }         //> res2: List[String] = List(y1, y2, y3, y4, y5, y6)   val1.map { x => "Y"+x }.map { x => x.toLowerCase() }
flatMap	扁平化map方法	也是映射方法,会概念元素的形式,此外元素个数也会变化 val l7=List("hello,world","hello,hadoop","hello,1811") val l9=l7.flatMap { x => x.split(",") }   //> l9  : List[String] = List(hello, world, hello, hadoop, hello, 1811)
filter	过滤	//> res3: List[Int] = List(4, 5, 6)                val1.filter { x => x>3 }    //> res4: List[Int] = List(6)                            val1.filter { x => x>4 }.filter { x => x%2==0 }
reduce	归约，reduce的过程：将上次的运行结果和下一个值进行运算 函数接收两个参数 => 返回一个值	//> res5: Int = 21   val1.reduce{(x,y)=>x+y}     内部的执行过程： (1,2)                 => 1+2        第一次运算 ((1+2),3)         => 3+3        第二次运算 ((3+3),4)        => 6+4        第三次运算   和大数据中的mapreduce不同的时，大数据中的reduce的参数是键值对，而这里可以是任意对象。
groupBy	按指定规则做聚合，最后将结果返回到一个map映射里	//> res7: scala.collection.immutable.Map[Int,List[Int]] = Map(5 -> List(5),   // 1 ->List(1), 6 -> List(6), 2 -> List(2), 3 -> List(3), 4 -> List(4))   val1.groupBy { x => x }      var v2 = List(("北京",1),("上海",3),("天津",2), ("北京",2), ("北京",1), ("上海",4), ("北京",2)) v2.groupBy{x=>x._1}   运行结果： Map( 上海->List((上海,3),(上海,4)), 北京->List((北京,1),(北京,2) ,(北京,1) ,(北京,2), 天津->List((天津,2)) )   val2.groupBy(x=>x._1).filter(x=>x._1=="bj").mapValues(x=>x.map(i=>i._2).reduceLeft((a,b)=>a+b))
mapValues	对map集合中的值做映射 注：只有map类型有	//结果为map的value值：1 2 3 4   val3.mapValues { x => println(x) }   //结果为元组的第二列值：tom rose jim val val4=Map("k1"->("name","tom"),"k2"->("name","rose"),"k3"->("name","jim"))   Map(k1 -> tom, k2 -> rose, k3 -> jim) val4.mapValues { x => x._2 }