黑猴子的家:Scala 偏函数

1、偏函数 之 PartialFunction

偏函数,它只对会作用于指定类型的参数或指定范围值的参数实施计算
被包在花括号内的一组case语句是一个偏函数(partial function),一个并非对所有输入值都有定义的函数。
它是PartialFunction[A,B]类的一个实例(A是参数类型,B是返回类型)
该类有两个方法,apply 方法从匹配到的模式计算函数之,而isDefinedAt 方法 在输入至少匹配其中一个模式时,返回true

println("偏函数")

val f: PartialFunction[Char, Int] = {
  case '+' => 1
  case '-' => -1
}

println(f('-'))
println(f('+'))
println(f.isDefinedAt('0'))
//偏函数,调用的时候,一定要进行一下判断
//判断它能不能处理,不能处理是会报异常的
if (f.isDefinedAt('-')) {
  println(f.isDefinedAt('-'))
}

2、偏函数 之collect

有一些方法接受PartialFunction作为参数。举例来说,GenTraversable特质的Collect方法将一个偏函数应用到所有在该偏函数有定义的元素,并返回包含这些结果的序列

println(
    "-3+4".collect{
      case '+' => 1
      case '-' => -1
    }
)

3、偏函数 之 map

完全覆盖了所有场景的样例字句组成的集定义的是一个Function1,而不仅仅是一个partialFunction,只要预期这样一个函数,你都可以将它传入

println(
  "-3+4".map {
    case '+' => 1
    case '-' => -1
    case _ => 0
  }
)

4、偏函数应用List集合 加一(方式一)

val f1 = new PartialFunction[Any, Int]{
  def apply(any: Any) = any.asInstanceOf[Int] + 1
  def isDefinedAt(any: Any) = if (any.isInstanceOf[Int]) true else false
}

val rf1 = List(1, 3, 5, "seven") collect f1
val rf2 = List(1, 3, 5, "seven").collect(f1)
println(rf1)

尖叫提示:collect只匹配自己能匹配的

5、偏函数应用List集合 加一(方式二)

def f2: PartialFunction[Any, Int] = {
  case i: Int => i + 1
}
val rf3 = List(1, 3, 5, "seven") collect f2
println(rf3)

尖叫提示:collect只匹配自己能匹配的

6、map 和 collect的区别

(1)遍历Map,年龄加1

val map1 = Map("Alex" -> 20, "Bob" -> 30)
map1.map(x => println(x._2 + 1))

map1.map{
  case (_,age) => println(age + 1)
}

(2)map和collect 的区别+源码解析
map和collect 是函数名,和Map集合映射不是一回事
map 和 collect 区别,collect忽略匹配不上的 ,map如果有匹配不上的包异常

val map1 = Map("Alice" -> 20,"Bob" -> 30)
map1.map{case(_,age) => println(age+1)}
map1.map(a => a._2+1)
map1.collect{
   case (_,age) => println(age+1)
}

// List(1,2,3,4,"heihei") map{case i:Int => println(i+1)}
List(1,2,3,4,"heihei") collect {case i:Int => println(i+1)}

你只想处理,里面的某些特殊类型,就用collect,直接case就行,这比java方便多了,
我只想在集合里面挑选我想要的东西,这就跟逛超市一样,很符合人类的常理思路
这是map和collect的应用,但是在spark里面,尽可能的不用collect,这个Spark的机制也有很大的关系,你一调用collect,就相当于,把所有的数据,加载到内存里面了,数据相当大的话,会内存溢出,或者特别卡

当你学完spark了,你也一定要回来再看看Scala,Scala这本书,是常读常新的,你要多去反复的揣摩

(3)常读常新
“常读常新”是一种阅读方法,一种阅读取向,一种阅读作风。
古人云:“温故而知新”,“学而时习之”。
今人曰:常读常新,常新常读。
“温故”、“时习”、“常读”虽异曲但同工,都道出了“故”与“新”的辩证关系,故知、故作为时习、常读而后才知新、常新。

通俗的说 也就是一篇文章可以多读几遍 这样每次都会有新的感悟和发现,经常读经常会发现新的东西,就是每次都有新发现

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 211,423评论 6 491
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 90,147评论 2 385
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 157,019评论 0 348
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 56,443评论 1 283
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 65,535评论 6 385
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 49,798评论 1 290
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 38,941评论 3 407
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 37,704评论 0 266
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,152评论 1 303
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 36,494评论 2 327
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 38,629评论 1 340
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,295评论 4 329
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 39,901评论 3 313
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,742评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,978评论 1 266
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 46,333评论 2 360
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 43,499评论 2 348

推荐阅读更多精彩内容