Scala系列9:聚合操作reduce,filter,reduceLeft，reduceRight，fold的使用详解

目录

0.Scala函数式编程

1.filter过滤的使用详解

2.聚合操作reduce，reduceLeft,reduceRight使用详解

3.fold，foldLeft,foldRight的使用详解

0.Scala函数式编程

我们将来使用Spark/Flink的大量业务代码都会使用到函数式编程。下面这些事开发中常用的函数式编程。注意这些函数都是操作 Scala 集合的，一般会进行两类操作：转换操作（transformation ）和行动操作（actions）（有些人喜欢叫他为聚合操作）。第一种操作类型将集合转换为另一个集合，第二种操作类型返回某些类型的值。

1. 遍历（ foreach ）

2. 映射（ map ）

3. 映射扁平化（ flatmap ）

4. 过滤（ filter ）

5. 是否存在（ exists ）

6. 排序（ sorted 、 sortBy 、 sortWith ）

7. 分组（ groupBy ）

8. 聚合计算（ reduce ）

9. 折叠（ fold ）

1.filter过滤的使用详解

filter过滤出集合中符合特定条件的子集,实际上，过滤是一个转换类型的方法，但是比运用 min和 max方法简单。

【1.1语法结构】

【1.2执行过程】

【1.3使用演示】

1. //过滤filter

2. scala> List(1,2,3,4,5,6,7,8,9).filter(_ % 2 == 0)

3. res8: List[Int] = List(2, 4, 6, 8)

4. 
   

5. //复杂点的filter过滤，过滤页数大于120页码的

6. case class Book(title: String, pages: Int)

7. val books = Seq(

8. Book("Future of Scala developers", 85),

9. Book("Parallel algorithms", 240),

10. Book("Object Oriented Programming", 130),

11. Book("Mobile Development", 495)

12. )

13. 
    

14. println( books.filter(book => book.pages >= 120))

15. //ArrayBuffer(Book(Parallel algorithms,240), Book(Object Oriented Programming,130), Book(Mobile Development,495))

2.聚合操作reduce，reduceLeft,reduceRight使用详解

聚合操作，可以将一个列表中的数据合并为一个。这种操作经常用来统计分析中。而map是对集合的元素进行加工操作，不改变集合的结构。

【2.1 语法结构】

   reduce表示将列表，传入一个函数进行聚合计算

尖叫提示：

1.  reduce传入的也是一个函数，只是这个函数要传入两个参数。

2. 其实就是迭代，reduceLeft函数表示从左聚合操作，reduceRight表示从右聚合。

【2.2 执行流程】

尖叫提示： 如上，首先元素1和元素2作为两个参数，传递给reduce聚合函数。然后参数1，参数2在聚合函数聚合以后做为一个新的参数和参数3一起传递给reduce进行聚合计算，依次类推，直到最后一个元素作为参数传递完为止。

【2.3使用演示】

1. //标准函数版reduce

2. val ar = List(1,2,3,4,5)

3. println( ar.reduce((x,y)=>x+y)) //15求和

4. println(ar.reduce((x,y)=>1*x-2*y)) //-27

5. println(ar.reduceLeft((x,y)=>x-y)) // -13

6. println(ar.reduceRight((x,y)=>x-y)) //3 特别注意reduceRight的计算逻辑 1-(2-(3-(4-5)))

7. 
   

8. // 第一个下划线表示第一个参数，就是历史的聚合数据结果

9. // 第二个下划线表示第二个参数，就是当前要聚合的数据元素

10. println(ar.reduce(_+_)) //求和 15

11. println(ar.reduceRight(_-_)) //3

12. println(ar.reduceLeft(_+_)) //15

13. println(ar.reduce(_*1-_*2)) //-27

3.fold，foldLeft,foldRight的使用详解

fold与reduce基本一样，只是多了一个指定初始值参数,注意这个时候计算从初始值开始，而不是第一个元素开始。

【3.2使用演示】

1. val ar1 = List(1, 2, 3, 4, 5)

2. println(ar1.fold(0)(_ + _)) //求和，给个求和的初始值0,15

3. println(ar1.fold(100)(_ + _)) //求和，给个求和的初始值100，结果115

4. println(ar1.foldLeft(0)(_-_)) //-15 0-1-2-3-4-5.注意这个和reduceLeft的别，有个初始值。

5. println(ar.reduceLeft(_-_)) //-13

作者：涤生手记

链接：https://blog.csdn.net/qq_26442553/article/details/108362390

来源：CSDN
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。