大数据系列修炼-Scala课程34

大数据系列修炼-Scala课程34

核心内容:
1、scala中对List进行高效的排序
2、Scala中对List进行倒排序

1、Scala中对List进行高效的排序和倒排序代码实战

1>List的排序方式有两种：通过相应的Scala API进行排序(速度慢)，通过一定的算法进行排序(如归并排序)
2>函数的定义中为了应对各种数据类型，可以使用泛型的方式
3>借助柯里化，一个函数中可以有多个形式参数列表

实例程序:

object App 
{    
     //本节程序是对List进行排序：算法归并排序
     def main(args:Array[String]):Unit=  
     {  
        def mergedsort[T](less:(T,T)=>Boolean)(input:List[T]):List[T]=   
        {
           /*
            * @param xList 要合并的有序列表
            * @param yList 要合并的有序列表
            * @return 合并后的列表
            * */
           def merge(xList:List[T],yList:List[T]):List[T]= (xList,yList) match
           {
             case (Nil,_) => yList
             case (_,Nil) => xList
             case (x::xtail,y::ytail)=> if(less(x,y)) x::merge(xtail,yList) else y::merge(xList,ytail)
           } 
           val n = input.length / 2
           if( n ==0 ) input
           else
           {
             val (x,y) = input.splitAt(n) 
             merge(mergedsort(less)(x),mergedsort(less)(y))  
           }
        }
        println("排序之后的List列表:")
        println(mergedsort((x:Int,y:Int)=>x<y)(List(3,7,9,5)))
        val reversed_mergedsort = mergedsort((x:Int,y:Int)=>x>y)_  //柯里化列表一个为空也是可以的
        println("倒排序之后的List列表:")
        println(reversed_mergedsort(List(3,7,9,5)))
     }
}

运行结果:

排序之后的List列表:
List(3, 5, 7, 9)
倒排序之后的List列表:
List(9, 7, 5, 3)

在上面的程序中，我们可以复习之前学过的一些知识：

实例程序:

object App8
{
    def main(args:Array[String]):Unit=
    {    
       //一阶函数与高阶函数的定义与使用
       def fun1(x:Int,y:Int):Int=
       {
         println("运行结果是:") 
         x * y
       }
       def fun2(f:(Int,Int)=>Int)(x:Int,y:Int)= //借助柯里化,一个函数可以有多个形式参数列表 { fun1(x,y) } println("kelihua") println(fun2(fun1)(10,20)) //在Scala中通过泛型T与Any的运用可以实现函数的重载 def fun3(x:Any,y:Any):Any = println("x is:" + x+"\t" +"y is:"+ y) fun3(10,20) fun3("zhang","ming") //或者： def fun4(x:Any,y:Any):Any = println("x is:" + x+"\t" +"y is:"+ y) fun4(10,20) fun4("zhang","ming") //函数的内部嵌套一个函数 def fun5(str1:String,str2:String)= { def fun6()= { println(str1+"\t"+str2) } } fun5("spark","hadoop") //但是函数没有输出 //在模式匹配中使用泛型 def merge[T](xList:List[T],yList:List[T]):List[T]= (xList,yList) match { case (Nil,_) => yList
         case (_,Nil) => xList
         case  _ => xList:::yList
       }

       println(merge(List(10,20,30),List(40,50,60))) //List(10, 20, 30, 40, 50, 60)
       println(merge(List(),List(40,50,60))) //List(40, 50, 60)
       println(merge(List(10,20,30),List())) //List(10, 20, 30)  
       println("-----------")
       //将一个list拆分成两个list集合
       val list = List(10,20,30,40,50,60)
       val (x,y) = list.splitAt(3)
       println(x)  //List(10, 20, 30)
       println(y)  //List(40, 50, 60)

       val ele1::ele2::Nil = List(10,20)
       println(ele1)
       println(ele2)
       println(Nil) //List()

    }  
}

运行结果:

kelihua
运行结果是:
200
x is:10 y is:20
x is:zhang  y is:ming
x is:10 y is:20
x is:zhang  y is:ming
List(10, 20, 30, 40, 50, 60)
List(40, 50, 60)
List(10, 20, 30) -----------
List(10, 20, 30)
List(40, 50, 60)
10
20
List()