scala中常用的函數式編程

一 map映射

有如下數組

val d = Array(1, 2, 3, 4, 5, 6)

我們現在要對數組裏的每個元素乘以2

d.map((x: Int) => x * 2)

上面左邊的"x"的意思就是數組中的每個元素， "=>"的意思就是我們需要對x做什麼操作，這裏是乘以2
上面的公式就相當於我們高中時的y=f(x)=2*x，我們看下結果

上面的map映射我們也可以簡寫：

d.map(x => x * 2)
// "_" 代表每個元素
d.map(_ * 2)

二 filter過濾

有如下數組，我們需要拿到大於3的元素

val f = Array(1, 2, 3, 4, 5)

可以通過下面這個方法：

f.filter(x => x>3)
f.filter(_ > 3)

假如需要對數組每個元素乘以2之後再進行大於4的過濾，我們可以用鏈式編程的方式：

f.map(_ * 2).filter(_ > 4)

三 reduce

有如下數組：

val f = Array(1, 2, 3, 4, 5)

我們做reduce操作

f.reduce((a,b)=> a-b)

到這裏，我們可能不清楚裏面發生了什麼？我們可以把a,b打印出來，看看過程

f.reduce((a,b)=>{
  println(a+" , "+b)
  a-b
})

整個過程就是1-2=-1，然後結果-1再去減後面的數，-1-3=-4，-4-4=-8，-8-5=-13，也就是這樣減的

 (((1-2)-3)-4)-5
=((-1-3)-4)-5
=(-4-4)-5
=-8-5
=-13

reduce還有reduceLeft和reduceRigtht，我們先來看看reduceLeft

f.reduceLeft((a, b) => {
    println(a + ", " + b)
    a - b
})

從結果可以看出來，reduce默認走的是reduceLeft

我們再看看reduceRigtht

f.reduceRight((a, b) => {
    println(a + ", " + b)
    a - b
})

也就是這樣減的

 1-(2-(3-(4-5)))
=1-(2-(3-(-1)))
=1-(2-4)
=1-(-2)
=3

四 zip

 val g = Array(1, 2, 3, 4)
 val l = Array("a", "b", "c", "d")

有上面2個數組，我們要把數組合並再一起，可以通過下面命令

g.zip(l)

假如一個數組比另外個數組的元素數量多，合併的話，會發生什麼

 val g = Array(1, 2, 3, 4, 5)
 val l = Array("a", "b", "c", "d")

從下面可以看出，多餘的會剔除掉

五 flatten

val h = Array(Array(1, 2, 3), Array(2, 1), Array(3, 5))

如上面結果，數組中又有數組，我們需要把裏面的元素攤平到一個數組裏

h.flatten

還有一個flatMap的算子，如果對h的數據先進行乘以2，再打平可以用flatMap

h.flatMap(x => x.map(t=> t*2))

六 groupBy/sortBy

val arrs = Array(("a", 10), ("b", 20), ("a", 20), ("c", 30))

要對上面的數據進行分組，比如我們按照第一個字符進行分組

arrs.groupBy(x => x._1)

x爲上面數據的(“a”,10)，然後x._1就是x的第一個元素

對數組進行排序，比方說，對第二個數值進行排序

arrs.sortBy(x => x._2)

如果降序，只要添加個負號即可

arrs.sortBy(x => -x._2)

七 案例-求wordcount並降序

針對下面的數據求wordcount

 val wc = Array("hello,world,hello", "hello,world")

第一步：先把每個元素按照","進行拆分

val split: Array[Array[String]] = wc.map(_.split(","))

第二步：把數組裏的數組打平

val flatten: Array[String] = split.flatten

第三步：給每個元素都加上一個1對應起來

val mapAddOne: Array[(String, Int)] = flatten.map(x=>(x,1))

第四步：對每個word進行分組

val groupBy:Map[String,Array[(String,Int)]] = mapAddOne.groupBy(x => x._1)

第五步：保留key，針對map的value進行操作，只保留value中的Int

val mapArray:Map[String,Array[Int]] = groupBy.mapValues(x => x.map(y => y._2))

這裏的mapValues，是保留key，對value進行操作，所以上面的x代表的是value裏的Array

第六步：繼續保留key，對value進行求和

val sum:Map[String,Int] = mapArray.mapValues(x => x.sum)

第七步：把Map轉換成Array

val sumArray:Array[(String,Int)] = sum.toArray

第八步：降序

val result:Array[(String,Int)] = sumArray.sortBy(x => -x._2)

到這裏完成了案例