前言:常用的高阶函数:
- map:集合元素处理
- foreach:集合元素处理
- flatMap:扁平化处理
- filter:过滤
- groupBy:分组
- sortBy:排序
scala的高阶函数
flatMap
flatMap函数的语法
final def flatMap[B](f: (A) ⇒ GenTraversableOnce[B]): List[B]
//flatMap有1个参数f,是一个函数
//f这个函数有1个参数:A:集合中的每个元素
//f这个函数有返回值: GenTraversableOnce[B],对每个A处理以后返回的结果,是一个集合,集合中有多个元素B
//flatMap返回值是:List[B]:将每个A返回的集合进行合并
基本原理:f:调用每个元素进行map处理,map返回值是List,每个元素放回一个集合,最终每个元素处理的结果:List[List[B]]
flatMap会将这个List[List[B]] 变成List[B]
示例
//示例一:对以下集合进行处理,将所有单词放入一个集合中
val list5 = List("hadoop spark"," spark","hive hbase ","hue hue spark"," hue ")
scala> list5.flatMap(line => line.trim.split(" "))
res15: List[String] = List(hadoop, spark, spark, hive, hbase, hue, hue, spark, hue)
//示例二:对以下集合进行处理,将所有数字合并到一个集合中
val m1 = Map("key1"->"1,2,3","key2"->"4,5,6","key3"->"7,8,9")
scala> m1.values.flatMap(x => x.split(",")).foreach(println)
1
2
3
4
5
6
7
8
9
flatMap函数的功能
- 对集合中的每个元素调用map函数进行处理,根据参数函数的处理逻辑,将返回值中的每个集合进行扁平化
- 只有需要做扁平化处理,才调用flatMap
- map:一对一
- flatMap:多对一
- 每个元素调用一次map,每个map返回一个集合,将所有集合中的元素合并到一个集合中
groupBy
groupBy函数的语法
def groupBy[K](f: (A) ⇒ K): Map[K, List[A]]
//groupBy传递一个参数f:函数参数
//f有一个参数:A:每个元素
5
(key,value)
(tup1,tup2,tupe3)
//f有一个返回值:K:按照谁分组
//groupBy返回值:Map[K, List[A]],每个KV代表一组
K:分组的那个组
V:List[A],符合K的所有A的集合
示例
//示例一:对以下集合进行处理,按照奇偶数进行分组
val list3 = List(2,4,6,8,9,7,5,3,1)
scala> list3.groupBy( x => x%2==0).foreach(println)
(false,List(9, 7, 5, 3, 1))
(true,List(2, 4, 6, 8))
//示例二:对以下集合进行处理,按照地区进行分组
val m2 = Map(1->"shanghai",2->"beijing",3->"jiangsu",4->"anhui",5->"beijing",6->"anhui",7->"anhui",8->"shanghai",9->"beijing",10->"beijing")
scala> m2.groupBy(tuple => tuple._2).foreach(println)
(jiangsu,Map(3 -> jiangsu))
(shanghai,Map(1 -> shanghai, 8 -> shanghai))
(anhui,Map(6 -> anhui, 7 -> anhui, 4 -> anhui))
(beijing,Map(5 -> beijing, 10 -> beijing, 9 -> beijing, 2 -> beijing))
groupBy函数的功能
- 对集合中的元素按照指定的条件进行分组
filter/filterNot
filter函数的语法
def filter(p: (A) ⇒ Boolean): List[A]
//filter函数传递1个参数:p:函数
//p的参数:A:每个元素
//p的返回值:Boolean,一般是表达式的结果
//filter的返回值:List[A] :所有符合表达式的元素的集合
filterNot函数的语法
def filterNot(p: (A) ⇒ Boolean): List[A]
示例
//示例一:对以下集合进行处理,返回集合中所有的偶数
val list1 = List(1,2,3,4,5,6,7,8,9,10)
scala> list1.filter( x => x % 2 == 0)
res20: List[Int] = List(2, 4, 6, 8, 10)
scala> list1.filterNot(x => x % 2 != 0)
res21: List[Int] = List(2, 4, 6, 8, 10)
//示例二:对以下集合进行处理,过滤掉所有不是单词的元素
val list2 = List("hadoop","","hive","hue"," ")
scala> list2.filter(word => word.trim.length > 0)
res22: List[String] = List(hadoop, hive, hue)
scala> list2.filter(_.trim.length > 0)
res23: List[String] = List(hadoop, hive, hue)
filter函数的功能
- 用于实现对集合中的数据进行过滤,将符合条件表达式的数据放入一个新的集合返回
filterNot函数的功能
- 用于实现对集合中的数据进行过滤,将不符合条件表达式的数据放入一个新的集合返回
sortWith/sortBy
sortWith函数的语法
def sortWith(lt: (A, A) ⇒ Boolean): List[A]
//sortWith有一个参数:lt:函数
//lt传递两个参数:(A,A):每次取集合中两个元素来处理
//lt返回值:表达式的Boolean值:判断大小的条件
//sortWith的返回值:List[A]:根据判断构建有序的结果
示例
//示例一:对集合中的元素进行两两比较,实现排序
val list3 = List(2,4,6,8,9,7,5,3,1)
scala> list3.sortWith((a,b) => a < b )
res24: List[Int] = List(1, 2, 3, 4, 5, 6, 7, 8, 9)
//示例二:对集合进行降序排序
scala> list3.sortWith((a,b) => a > b )
res25: List[Int] = List(9, 8, 7, 6, 5, 4, 3, 2, 1)
sortBy函数的语法(常用)
def sortBy[B](f: (A) ⇒ B)(implicit ord: math.Ordering[B]): List[A]
//sortBy传递一个参数f:函数
//f的参数:A:集合中的每个元素
//f的返回值:B:按照A中的什么进行排序
//sortBy返回的是排序好的结果
示例
val list3 = List(2,4,6,8,9,7,5,3,1)
val list4 = List(("zhangsan",20,"male"),("lisi",30,"female"),("wangwu",19,"male"))
//示例一:对list3集合进行升序排序
scala> list3.sortBy(x => x)
res26: List[Int] = List(1, 2, 3, 4, 5, 6, 7, 8, 9)
//示例二:对list3集合进行降序排序
scala> list3.sortBy(x => -x)
res27: List[Int] = List(9, 8, 7, 6, 5, 4, 3, 2, 1)
//示例三:对list4集合按照年龄进行升序排序
scala> list4.sortBy(tuple => tuple._2)
res28: List[(String, Int, String)] = List((wangwu,19,male), (zhangsan,20,male), (lisi,30,female))
//示例四:对list4集合按照年龄进行降序排序
scala> list4.sortBy(tuple => -tuple._2)
res29: List[(String, Int, String)] = List((lisi,30,female), (zhangsan,20,male), (wangwu,19,male))
sortWith函数的功能
- 对集合中的元素进行两两比较,实现排序
sortBy函数的功能
- 对集合中的元素进行排序,按照参数函数的返回值进行排序
reduce
reduce函数的语法
def reduce(op: (A1, A1) ⇒ A1): A1
//reduce传递1个:op
//op传递2个参数:(T, A)
T:临时变量,用于存储中间结果,tmp的初始值为第一个元素
A:集合中的每个元素
//op返回值:A1:聚合的结果
//reduce返回值:A1:聚合的结果
示例
val list3 = List(2,4,6,8,9,7,5,3,1)
//示例一:对list3集合进行处理,计算所有元素的乘积
list3.reduce((tmp,item) => tmp*item)
//示例二:计算所有元素之和
scala> list3.reduce((tmp,item) => tmp+item)
res35: Int = 45
reduce函数的功能
- 对集合中的元素进行聚合计算
reduce,reduceLeft,reduceRight的功能
- reduce底层实现的就是reduceLeft
- reduceLeft的功能与reduce是一致的:左边参数代表tmp临时值,右边参数代表元素,从左聚合到右
- reduceRight:右边参数代表tmp临时值,左边参数代表元素,从右聚合到左
fold
fold函数的语法
def fold(z: A1)(op: (A1, A1) ⇒ A1): A1
//fold:两个参数
//z:临时变量的初始值
//op:函数:聚合逻辑
(T,A) => B
T:临时变量
A:集合中的每个元素
B:聚合的结果
示例
val list3 = List(2,4,6,8,9,7,5,3,1)
//示例一:对list3集合进行处理,计算所有元素的乘积
list3.fold(1)((tmp,item) => tmp*item)
list3.fold(1)((tmp,item) => {
println(s"tmp = ${tmp} item = ${item}")
tmp*item
})
//示例二:对list3集合进行处理,计算所有元素之和/计算所有偶数之和
list3.fold(0)((tmp,item) => tmp+item)
list3.fold(0)((tmp,item) => {
if(item % 2 == 0) tmp+item
else tmp
})
fold函数的功能
- 对集合中的元素进行聚合计算,需要指定初始值
foreach
foreach函数的语法
final def foreach(f: (A) ⇒ Unit): Unit
//foreach有1个参数,是一个函数f
//f这个函数有1个参数:A:代表集合中的每个元素
//f这个函数没有返回值
示例
val list1 = List(1,2,3,4,5,6,7,8,9,10)
scala> list1.foreach(i => println(i))
1
2
3
4
5
6
7
8
9
10
#一下代码和上面的效果一样,换一种方式而已
scala> list1.foreach(println(_))
scala> list1.foreach(println)
foreach函数的功能
-
用于将集合中的每个元素进行处理,但是没有返回值
-
一般用于将集合的数据进行输出或者保存:将数据结果打印或者写入外部文件系统
map
map函数的语法
final def map[B](f: (A) ⇒ B): List[B]
//map函数只有1个参数,这个参数是一个函数类型
f: (A) ⇒ B:f就是参数函数
//f有1个参数:A:代表集合中的每个元素
//f的返回值:B:B是A处理以后的返回值
示例
//示例一:对以下集合进行处理,返回集合中每个元素的平方
val list1 = List(1,2,3,4,5,6,7,8,9,10)
scala> list1.map(numb => numb*numb)
res1: List[Int] = List(1, 4, 9, 16, 25, 36, 49, 64, 81, 100)
//示例二:对以下集合进行处理,返回集合中每个字符串并在字符串的后面拼接字符串长度
val list2 = List("hadoop","","hive","hue"," ")
scala> list2.map(word => word+"-"+word.length)
res3: List[String] = List(hadoop-6, -0, hive-4, hue-3, " -1")
map函数的功能
-
map函数用于将集合中的每个元素调用参数函数进行处理,并将每个元素处理的返回值放入一个新的集合中
-
集合中元素一对一的处理
练习:基于以下List集合实现词频统计(WordCount)
构建List集合
val list = List("hadoop spark hive ",""," hue spark hadoop hadoop","hue hive hive hive","spark hadoop hadoop")
实现词频统计,并按照单词个数降序排序,实现结果如下
hadoop-5
hive-4
spark-3
hue-2
答案:
list.filter(word => word.trim.length > 0).flatMap(word => word.trim.split(" ")).map(word => (word,1)).groupBy(word => word).foreach(word => println(word._2(0)._1+"-"+word._2.size))