Scala入门系列（十）：函数式编程之集合操作

1. Scala的集合体系结构

Scala中的集合体系主要包括（结构跟Java相似）：

• Iterable（所有集合trait的根trait）
• Seq（Range、ArrayBuffer、List等）
• Set（HashSet、LinkedHashSet、SortedSet等）
• Map （HashMap、SortedMap、LinkedHashMap等）

Scala中的集合分为可变和不可变两类集合，分别对应scala.collection.mutable和scala.collection.immutable两个包。

2. List

List代表一个不可变的列表。

• List有head和tail，head代表List的第一个元素，tail代表第一个元素之后的所有元素。

scala> val list = List(1, 2, 3, 4) 
list: List[Int] = List(1, 2, 3, 4) 
 
scala> list.head 
res33: Int = 1 
 
scala> list.tail 
res34: List[Int] = List(2, 3, 4) 

  
案例：用递归函数给List中每个元素都加上指定的前缀并打印

// 如果List只有一个元素，那么他的tail就是Nil 
def decorator(list: List[Int], prefix: String){ 
  if (list != Nil) { 
    println(prefix + list.head) 
    decorator(list.tail, prefix) 
  } 
} 
 
scala> decorator(list, "+") 
+1 
+2 
+3 
+4 

• List有特殊的::操作符，可以用于将head和tail合并成一个List。

scala> list 
res37: List[Int] = List(1, 2, 3, 4) 
 
scala> 0::list 
res38: List[Int] = List(0, 1, 2, 3, 4) 

该操作符在Spark源码中有体现

3. LinkedList

LinkedList代表一个可变的列表，其elem和next属性类似于List的head和tail。

案例：使用while循环将LinkedList中每个一个元素乘以二。

val list = scala.collection.mutable.LinkedList(1,2,3,4,5,6,7,8,9) 
var currentList = list 
var first = true 
while( currentList !=Nil && currentList.next != Nil){ 
  if(first) { currentList.elem *= 2; first = false} 
  currentList = currentList.next.next 
  if(currentList != Nil) currentList.elem *= 2 
} 
 
list: scala.collection.mutable.LinkedList[Int] = LinkedList(2, 2, 6, 4, 10, 6, 14, 8, 18) 

4. Set

Set代表一个没有重复元素的集合

HashSet

不保证插入顺序，元素是乱序的

scala> val s = new scala.collection.mutable.HashSet[Int]() 
s: scala.collection.mutable.HashSet[Int] = Set() 
 
scala> s += 1 
res40: s.type = Set(1) 
 
scala> s += 2 
res41: s.type = Set(1, 2) 
 
scala> s += 5 
res42: s.type = Set(1, 5, 2) 

LinkedHashSet

保证插入顺序，底层使用链表

scala> val s = new scala.collection.mutable.LinkedHashSet[Int]() 
s: scala.collection.mutable.LinkedHashSet[Int] = Set() 
 
scala> s += 1 
res43: s.type = Set(1) 
 
scala> s += 2 
res44: s.type = Set(1, 2) 
 
scala> s += 5 
res45: s.type = Set(1, 2, 5) 

SortedSet

会自动根据key来进行排序（默认字母顺序）

scala> val s = scala.collection.mutable.SortedSet("orange", "apple", "banana") 
s: scala.collection.mutable.SortedSet[String] = TreeSet(apple, banana, orange) 

5. 集合的函数式编程（重要！）

Scala中集合的函数式编程最大的体现就是对于一系列高阶函数的使用。

高阶函数的使用是Scala与Java最大的区别！因为Java中没有函数式编程，也肯定没有高阶函数，无法直接将函数传入一个方法，或者让一个方法返回一个函数。

// 为List中的每个元素都添加一个前缀 
scala> List("leo", "spark","peter").map("name is " + _) 
res47: List[String] = List(name is leo, name is spark, name is peter) 
 
// 拆分单词 
scala> List("Hello world", "your are my friend").flatMap(_.split(" ")) 
res48: List[String] = List(Hello, world, your, are, my, friend) 
 
// 打印每一个元素 
scala> List("Hello world", "your are my friend").foreach(println(_)) 
Hello world 
your are my friend 
 
// 学生姓名和成绩进行关联 
scala> List("leo", "jen", "jack").zip(List(100, 30, 20)) 
res50: List[(String, Int)] = List((leo,100), (jen,30), (jack,20)) 

6. 综合案例：统计多个文本内的单词总数

// 使用scala的IO包将文件文件内的数据读取出来 
scala> val lines1 = scala.io.Source.fromFile("E://test.txt").mkString 
lines1: String = hello my 
 
scala> val lines2 = scala.io.Source.fromFile("E://test2.txt").mkString 
lines2: String = you are a good boy 
 
// 使用List的伴生对象，将多个文件内的内容创建为一个List 
scala> val lines = List(lines1, lines2) 
lines: List[String] = List(hello my, you are a good boy) 
// 首先将所有元素以空格分割单词，接着将每个单词映射为(单词，1)元组, 然后再取出元组里的第二个元素(_._2表示取出元组中的第二个元素)，最后做累加 
scala> lines.flatMap(_.split(" ")).map((_, 1)).map(_._2).reduceLeft(_ + _) 
res51: Int = 7 

注意：最后一行多个高阶函数的链式调用其实就是Scala函数式编程的精髓所在，也是Scala相较于Java等编程语言最大的功能优势所在。并且Spark的源码中大量使用了这种复杂的链式调用，Spark本身提供的开发API也完全沿用了Scala的函数式编程。