Scala集合操作中的几种高阶函数

 Scala是函数式编程，这点在集合操作中大量体现。高阶函数，也就是能够接收另外一个函数作为参数的函数。

假如现在有一个需要是将List集合中的每个元素变为原来的两倍，现在来对比Java方式实现和Scala方式实现区别

Java方式实现，先将集合中的每个元素遍历出来，然后再乘以2，塞到另外一个集合中

ArrayList<Integer> list1 = new ArrayList<Integer>();
list1.add(3);
list1.add(5);
list1.add(7);
ArrayList<Integer> list2 = new ArrayList<Integer>();
for (Integer elem : list1) {
    list2.add(elem * 2);
}
System.out.println(list2);

　　

Scala方式实现

val list1 = List(3, 5, 7)
val list2 = list1.map(multiple) //map高阶函数，能够接收另外一个函数
def multiple(n1: Int): Int = { 
    2 * n1 
}
println(list2)

可以发现相对于Java的实现方式，Scala中更偏向于使用高阶函数来解决问题，并且也简化了很多。

或许你会有些许疑问，这是什么鬼，这没有简化到哪里呀！的确，但是这里只是小小的演示。　　

Scala中常用的高阶函数有如下几种

1.映射函数（map）

map函数

 小注：在Scala中的泛型是表示方法是“[]”，java中的泛型表示方式是“<>”。map函数存在于所有集合类型中，包括在String中。

 现在再看前面的实例，它是这样来执行的

1.   首先依次遍历list1集合的元素
2.   将各个元素传递给Multiple函数，计算并返回
3.   将返回结果放到一个新的集合中，并赋给list2
4.   输出结果

 为了能够更好的理解，尝试编写一个List，来模拟List

object Demo_021{
  def main(args: Array[String]): Unit = {
    val myList = MyList()
    val myList2 = myList.map(multiple)  //调用map高阶函数，并传入mutiple函数
    println("myList2=" + myList2)
    println("myList=" + myList.list1)
  }
  def multiple(n1: Int): Int = {
      2 * n1
  }
}
//伴生类，模拟List
class MyList {
    var list1 = List(3, 5, 7)
    var list2 = List[Int]()
    //map高阶函数，接收另外一个函数作为参数，
    // f:Int=>Int ： f表示是函数，:Int表示所传入的函数f的参数类型,必须是Int型，=>Int表示所传入函数f的返回值为Int
    // : List[Int] ：表示Map函数的返回值为List[Int]
    def map(f:Int=>Int): List[Int] = {
      for (item<-list1) {
        list2 = list2 :+ f(item)  //f(item) 表示调用所传入的函数，每次执行都会将返回写过写入到list2中
      }
      list2 //返回list2，未明确指定返回值，以函数最后一行的执行结果作为返回值
    }
  }
//伴生对象
  object MyList {
    //使用apply方式实例化
    def apply(): MyList = new MyList()
  }

　　

运行结果：

 模拟有些拙劣，但是基本能够说明问题，map方法在List底层所实现时，也是逐个遍历并执行所传入的函数，最后返回执行结果集合

 下面是List中map函数的源码，实际List集合底层在调用map方法的时候所做的操作和上面类似

使用实例1：将 val names = List("Alice", "Bob", "Nick") 中的所有单词，全部转成字母大写，返回到新的List集合中.

object Demo_022 {
  def main(args: Array[String]): Unit = {
    val names = List("Alice", "Bob", "Nick")
    val names2 = names.map(upper)
    println("names=" + names2)
  }
  def upper(s:String): String = {
    s.toUpperCase
  }
}

　　执行结果：

2.扁平化（flatMap）

flatmap：所谓扁平化，就是将集合中的每个元素的子元素映射到某个函数并返回新的集合。

实例：

object Demo_022 {
  def main(args: Array[String]): Unit = {
    val names = List("Alice", "Bob", "Nick")
    //相当于在原来map高阶函数的基础上做了二次循环，将元素进一步打散
    val names2 = names.flatMap(upper)
    println("names=" + names2)
  }
  def upper(s:String): String = {
    s.toUpperCase
  }
}

　　运行结果：

3.过滤（filter）

 filter：将符合要求的数据(筛选)放置到新的集合中

应用案例：将  val names = List("Alice", "Bob", "Nick") 集合中首字母为'A'的筛选到新的集合。

object Demo_025 {
  def main(args: Array[String]): Unit = {
    val names = List("Alice", "Bob", "Nick")

    def startA(s: String): Boolean = {
      s.startsWith("A")
    }

    val names2 = names.filter(startA) //表示调用filter高阶函数
    println("names=" + names2)

  }
}

　运行结果：

 

还有更为简洁的操作：

//    val names2: List[String] = names.filter((x:String)=>x.startsWith("A"))
      val names2: List[String] = names.filter(_.startsWith("A"))

　　

 filter函数在执行过程中，类似于map函数，将符合条件的筛选出来放到一个集合中。

4.化简（reduce、reduceLeft、reduceRight）

化简：将二元函数引用于集合中的函数。有三种类型的函数，reduce、reduceLeft和reduceRight，其中reduce等同于reduceLeft。

reduceLeft(f) 接收的函数需要的形式为 op: (B, A) => B): B，

reduceleft(f) 的运行规则是 从左边开始执行将得到的结果返回给第一个参数，然后继续和下一个元素运行，将得到的结果继续返回给第一个参数，继续.。

reduceRight的运行规则和reduceRight类似，只是从右往左执行

实例1：val list = List(1,2,3,4,5) , 求出list的和

object Demo_026 {
  def main(args: Array[String]): Unit = {
    val list = List(1, 2, 3, 4, 5)
    def sum(n1: Int, n2: Int): Int = {
      n1 + n2
    }
    val res1 = list.reduceLeft(sum)
    println("res=" + res1)
  }
}　

输出为60。

实例2：观察reduce、reduceRight和reduceLeft在求List(1, 2, 3, 4 ,5)中元素差值时的表现

object Demo_027 {
  def main(args: Array[String]): Unit = {
    val list = List(1, 2, 3, 4 ,5)
    def minus( num1 : Int, num2 : Int ): Int = {
      num1 - num2
    }
    println(list.reduceLeft(minus)) // 输出-13
    println(list.reduceRight(minus)) //输出3
    println(list.reduce(minus)) //输出-13

  }
}　

运行结果为

 综述：reduce等同于reduceLeft、执行规则从左向右，而reduceRight执行规则是从右向左。

另外，还可以使用化简来求出一个集合的最值

object Demo_027 {
  def main(args: Array[String]): Unit = {
    val list = List(1, 2, 3, 4 ,5)
    def max( num1 : Int, num2 : Int ): Int = {
       if(num1<num2){
           num2
       }else{
           num1
       }
    }
    println(list.reduceLeft(max)) // 求list中的最大值
  }
}

简化形式是：

val result: Int = list.reduceLeft((num1,num2)=>{if(num1<num2) num2 else num1})

5.折叠（foldLeft、foldRight、fold）

 fold函数将上一步返回的值作为函数的第一个参数继续传递参与运算，直到list中的所有元素被遍历。有三种函数形式：fold、foldLeft和folderRight。

fold函数在使用上基本和reduce函数在使用上基本相同，甚至reduceLeft函数的底层，就是调用foldLeft函数

观察如下实例

object Demo_028 {
  def main(args: Array[String]): Unit = {
    val list = List(1, 2, 3, 4)
    def minus(n1: Int, n2: Int): Int = {
      n1 - n2
    }
    println(list.foldLeft(5)(minus))

    println(list.foldRight(5)(minus))

} }

　　输出结果为：

它的执行过程是这样的：

 

另外foldLeft和foldRight 缩写方式分别是：/:和:

object Demo_028 {
  def main(args: Array[String]): Unit = {
    val list = List(1, 2, 3, 4)
    def minus(n1: Int, n2: Int): Int = {
      n1 - n2
    }
    println((5 /: list)(minus))   //等价于list.foldLeft(5)(minus)
    println((list : 5)(minus)) //list.foldRight(5)(minus)
  }
}

　　可以使用folderLeft统计字母出现的次数，还可以用来统计文本中单词出现的次数

6.扫描（scanLeft、scanRight）

 扫描，即对某个集合的所有元素做fold操作，但是会把产生的所有中间结果放置于一个集合中保存

object Demo_029 {
  def main(args: Array[String]): Unit = {
    def minus( num1 : Int, num2 : Int ) : Int = {
      num1 - num2
    }
    //5 (1,2,3,4,5) =>(5,4,2,-1,-5,-10)
    val i8 = (1 to 5).scanLeft(5)(minus) //IndexedSeq[Int]
    println(i8)
    
    def add( num1 : Int, num2 : Int ) : Int = {
      num1 + num2
    }
    //5 (1,2,3,4,5) =>(5,6,8, 11,15,20)
    val i9 = (1 to 5).scanLeft(5)(add) //IndexedSeq[Int]
    println(i9)

  }
}

　　输出结果为：

观察另外一个实例

object Demo_030 {
  def main(args: Array[String]): Unit = {
      def test(num1:Int,num2:Int): Int ={
          num1 * num2
      }
     var result=(1 to 3).scanLeft(3)(test)
     println(result)
  }
}

　运行结果

 综述，scanLeft执行类似于folderLeft，只是它会将中间结果缓存下来。