scala语言学习(四)、函数式编程

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。
下面的这些操作是学习的重点,先来感受下如何进行函数式编程以及它的强大

遍历 - foreach

方法描述

1
foreach(f: (A) ⇒ Unit): Unit

方法说明

foreach API 说明
参数 f: (A) ⇒ Unit 接收一个函数对象作为参数
函数的输入参数为集合的元素
返回值为空
返回值 Unit

方法实操

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
scala> val list = List(1, 2, 3, 4)
list: List[Int] = List(1, 2, 3, 4)

//定义一个匿名函数传入到foreach方法中
scala> list.foreach((x: Int) => println(x))
1
2
3
4

//匿名函数的输入参数类型可以省略,由编译器自动推断
scala> list.foreach(x => println(x))
1
2
3
4

//当函数参数,只在函数体中出现一次,而且函数体没有嵌套调用时,可以使用下划线来简化函数定义
scala> list.foreach(println(_))
1
2
3
4

//最简写,直接给定println
scala> list.foreach(println)
1
2
3
4

//很神奇的语法,别害怕,盘它就可以了,后期通过scala语言开发spark、Flink程序非常简洁方便

映射 - map

集合的映射操作是将来在编写Spark/Flink用得最多的操作,是我们必须要掌握。

方法描述

1
def map[B](f: (A) ⇒ B): TraversableOnce[B]

方法说明

map方法 API 说明
泛型 [B] 指定map方法最终返回的集合泛型
参数 f: (A) ⇒ B 传入一个函数对象作为参数
该函数接收一个类型A(要转换的集合的元素类型)
返回值为类型B
返回值 TraversableOnce[B] B类型的集合

方法实操

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
//定义一个list集合,实现把内部每一个元素做乘以10,生成一个新的list集合
scala> val list = List(1, 2, 3, 4)
list: List[Int] = List(1, 2, 3, 4)

//定义一个匿名函数
scala> list.map((x: Int) => x * 10)
res21: List[Int] = List(10, 20, 30, 40)

//省略匿名函数参数类型
scala> list.map(x => x * 10)
res22: List[Int] = List(10, 20, 30, 40)

//最简写用下划线
scala> list.map(_ * 10)
res23: List[Int] = List(10, 20, 30, 40)

扁平化映射 - flatmap

映射扁平化也是将来用得非常多的操作,也是必须要掌握的。

方法描述

1
def flatMap[B](f: (A) ⇒ GenTraversableOnce[B]): TraversableOnce[B]

方法说明

flatmap方法 API 说明
泛型 [B] 最终要转换的集合元素类型
参数 f: (A) ⇒ GenTraversableOnce[B] 传入一个函数对象作为参数
函数的参数是集合的元素
函数的返回值是一个集合
返回值 TraversableOnce[B] B类型的集合

方法实操

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
//定义一个List集合,每一个元素中就是一行数据,有很多个单词
scala> val list = List("hadoop hive spark flink", "hbase spark")
list: List[String] = List(hadoop hive spark flink, hbase spark)

//使用flatMap进行偏平化处理,获取得到所有的单词
scala> list.flatMap(x => x.split(" "))
res24: List[String] = List(hadoop, hive, spark, flink, hbase, spark)

//简写
scala> list.flatMap(_.split(" "))
res25: List[String] = List(hadoop, hive, spark, flink, hbase, spark)

// flatMap该方法其本质是先进行了map 然后又调用了flatten
scala> list.map(_.split(" ")).flatten
res26: List[String] = List(hadoop, hive, spark, flink, hbase, spark)

过滤 - filter

过滤符合一定条件的元素

方法描述

1
def filter(p: (A) ⇒ Boolean): TraversableOnce[A]

方法说明

filter方法 API 说明
参数 p: (A) ⇒ Boolean 传入一个函数对象作为参数
函数的参数是集合中的元素
此函数返回布尔类型,满足条件返回true, 不满足返回false
返回值 TraversableOnce[A] 列表

方法实操

1
2
3
4
5
6
7
8
9
10
11
12
13
//定义一个list集合
scala> val list = List(1, 2, 3, 4, 5, 6, 7, 8, 9, 10)
list: List[Int] = List(1, 2, 3, 4, 5, 6, 7, 8, 9, 10)

//过滤出集合中大于5的元素
scala> list.filter(x => x > 5)
res27: List[Int] = List(6, 7, 8, 9, 10)

//把集合中大于5的元素取出来乘以10生成一个新的list集合
scala> list.filter(_ > 5).map(_ * 10)
res29: List[Int] = List(60, 70, 80, 90, 100)

//通过这个案例,应该是可以感受到scala比java的强大了...

排序 - sort

在scala集合中,可以使用以下几种方式来进行排序

  • sorted默认排序
  • sortBy指定字段排序
  • sortWith自定义排序

sorted默认排序

1
2
3
4
5
6
7
//定义一个List集合
scala> val list = List(5, 1, 2, 4, 3)
list: List[Int] = List(5, 1, 2, 4, 3)

//默认就是升序
scala> list.sorted
res30: List[Int] = List(1, 2, 3, 4, 5)

sortBy指定字段排序

根据传入的函数转换后,再进行排序

方法描述

1
def sortBy[B](f: (A) ⇒ B): List[A]

方法说明

sortBy方法 API 说明
泛型 [B] 按照什么类型来进行排序
参数 f: (A) ⇒ B 传入函数对象作为参数
函数接收一个集合类型的元素为参数
返回B类型的元素进行排序
返回值 List[A] 返回排序后的列表

方法实操

1
2
3
4
5
6
7
//定义一个List集合
scala> val list = List("1 hadoop", "2 spark", "3 flink")
list: List[String] = List(1 hadoop, 2 spark, 3 flink)

//按照单词的首字母进行排序
scala> list.sortBy(x => x.split(" ")(1))
res33: List[String] = List(3 flink, 1 hadoop, 2 spark)

sortWith自定义排序

自定义排序,根据一个函数来进行自定义排序

方法描述

1
def sortWith(lt: (A, A) ⇒ Boolean): List[A]

方法说明

sortWith方法 API 说明
参数 lt: (A, A) ⇒ Boolean 传入一个比较大小的函数对象作为参数
函数接收两个集合类型的元素作为参数
返回两个元素大小,小于返回true,大于返回false
返回值 List[A] 返回排序后的列表

方法实操

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
scala> val list = List(2, 3, 1, 6, 4, 5)
a: List[Int] = List(2, 3, 1, 6, 4, 5)

//降序
scala> list.sortWith((x, y) => x > y)
res35: List[Int] = List(6, 5, 4, 3, 2, 1)

//简写
scala> list.sortWith(_ > _)

//升序
scala> list.sortWith((x, y) => x < y)
res36: List[Int] = List(1, 2, 3, 4, 5, 6)

//升序 简写
scala> list.sortWith(_ < _)

分组 - groupBy

我们如果要将数据按照分组来进行统计分析,就需要使用到分组方法
groupBy表示按照函数将列表分成不同的组

方法描述

1
def groupBy[K](f: (A) ⇒ K): Map[K, List[A]]

方法说明

groupBy方法 API 说明
泛型 [K] 分组字段的类型
参数 f: (A) ⇒ K 传入一个函数对象作为参数
函数接收集合元素作为参数
返回一个K类型的key,这个key会用来进行分组,相同的key放在一组中
返回值 Map[K, List[A]] 返回一个映射,K为分组字段,List为这个分组字段对应的一组数据

方法实操

1
2
3
4
5
6
7
8
9
10
11
12
13
scala> val a = List("张三" -> "男", "李四" -> "女", "王五" -> "男")
a: List[(String, String)] = List((张三,男), (李四,女), (王五,男))

// 按照性别分组
scala> a.groupBy((kv: (String, String)) => {kv._2})
//简写
scala> a.groupBy(_._2)
res0: scala.collection.immutable.Map[String,List[(String, String)]] = Map(男 -> List((张三,男), (王五,男)),
女 -> List((李四,女)))

// 将分组后的映射转换为性别/人数元组列表
scala> res0.map(x => x._1 -> x._2.size)
res3: scala.collection.immutable.Map[String,Int] = Map(男 -> 2, 女 -> 1)

聚合 - reduce

reduce表示将列表,传入一个函数进行聚合计算

方法描述

1
def reduce[A1 >: A](op: (A1, A1) ⇒ A1): A1

方法说明

reduce方法 API 说明
泛型 [A1 >: A] (下界)A1必须是集合元素类型的子类
参数 op: (A1, A1) ⇒ A1 传入函数对象,用来不断进行聚合操作
第一个A1类型参数为:当前聚合后的变量
第二个A1类型参数为:当前要进行聚合的元素
返回值 A1 列表最终聚合为一个元素

方法实操

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
scala> val a = List(1, 2, 3, 4, 5, 6, 7, 8, 9, 10)
a: List[Int] = List(1, 2, 3, 4, 5, 6, 7, 8, 9, 10)

scala> a.reduce((x, y) => x + y)
res5: Int = 55

// 第一个下划线表示第一个参数,就是历史的聚合数据结果
// 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
scala> a.reduce(_ + _)
res53: Int = 55

// 与reduce一样,从左往右计算
scala> a.reduceLeft(_ + _)
res0: Int = 55

// 从右往左聚合计算
scala> a.reduceRight(_ + _)
res1: Int = 55

折叠 - fold

fold与reduce很像,但是多了一个指定初始值参数

方法描述

1
def fold[A1 >: A](z: A1)(op: (A1, A1) ⇒ A1): A1

方法说明

reduce方法 API 说明
泛型 [A1 >: A] (下界)A1必须是集合元素类型的子类
参数1 z: A1 初始值
参数2 op: (A1, A1) ⇒ A1 传入函数对象,用来不断进行折叠操作
第一个A1类型参数为:当前折叠后的变量
第二个A1类型参数为:当前要进行折叠的元素
返回值 A1 列表最终折叠为一个元素

方法实操

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
//定义一个List集合
scala> val a = List(1, 2, 3, 4, 5, 6, 7, 8, 9, 10)
a: List[Int] = List(1, 2, 3, 4, 5, 6, 7, 8, 9, 10)

//求和
scala> a.sum
res41: Int = 55

//给定一个初始值,,折叠求和
scala> a.fold(0)(_ + _)
res42: Int = 55

scala> a.fold(10)(_ + _)
res43: Int = 65

//从左往右
scala> a.foldLeft(10)(_ + _)
res44: Int = 65

//从右往左
scala> a.foldRight(10)(_ + _)
res45: Int = 65

//fold和foldLet效果一致,表示从左往右计算
//foldRight表示从右往左计算

高阶函数

使用函数值作为参数,或者返回值为函数值的“函数”和“方法”,均称之为“高阶函数”。

函数值作为参数

1
2
3
4
5
6
7
8
9
10
11
//定义一个数组
scala> val array = Array(1, 2, 3, 4, 5)
array: Array[Int] = Array(1, 2, 3, 4, 5)

//定义一个函数
scala> val func = (x: Int) => x * 10
func: Int => Int = <function1>

//函数作为参数传递到方法中
scala> array.map(func)
res0: Array[Int] = Array(10, 20, 30, 40, 50)

匿名函数

//定义一个数组
scala> val array = Array(1, 2, 3, 4, 5)
array: Array[Int] = Array(1, 2, 3, 4, 5)

//定义一个没有名称的函数----匿名函数
scala> array.map(x => x * 10)
res1: Array[Int] = Array(10, 20, 30, 40, 50)

评论