在Scala里面如何使用元组

比眉伴天荒 2022-06-02 07:57 126阅读 0赞

元组在Scala语言中是一种十分重要的数据结构，类似数据库里面的一行记录（row），它可以将不同类型的值组合成一个对象，在实际应用中十分广泛。

先来看一个简单的tuple定义：

val tuple=("张三",25)//定义一个tuple
    val (name,age)=("张三",25)//变量绑定模式

上面的第二种例子中，可以直接通过name和age来访问单个tuple的元素

例子（1）：

一个简单的模式匹配

val tuple=(1,2,3,4)
    
        def tupleMatch(x:Any)=x match {
          case (first,second)=> println(s"第一个元素：${first}  第二个元素：${second}")
          case (first,_,three,_)=> println(s"第一个元素：${first}  第三个元素：${three}")
          case _=> println("没有任何匹配")
        }
    
        tupleMatch(tuple)//匹配上面的第二个

例子（2）：

根据类型匹配

def typeMatch(x:Any)=x match {
    
          case x:String=> println("string")
          case x:Int=> println("int")
          case x:Boolean=>println("boolean")
          case _=> println("其他")
    
        }
    
        typeMatch("x")

注意上面的代码里面case后面的如果有List\[String\]类型的，最好用一个类封装起来在做匹配，否则会出错。具体的方式请参考： [https://www.cakesolutions.net/teamblogs/ways-to-pattern-match-generic-types-in-scala][https_www.cakesolutions.net_teamblogs_ways-to-pattern-match-generic-types-in-scala]

例子（3）：

变量绑定模式

//定义一个对象元组
        case class Dog(val name:String,val age:Int)
        val dog=Dog("Pet",2)
    
        def patternMatch(x:Any)=x match {
          case d@Dog(_,_)=>println("变量值："+d.name)
          case _=> println("默认")
        }
    
        patternMatch(dog)//Pet

注意普通的类不能直接使用上面的模式匹配

例子（4）：

for循环的使用元组进行的模式匹配

val map= Map("java"->"Hadoop","js"->"vue","scala"->"spark")
        //1,变量模式匹配
        for( (k,v)<-map ){
          println(k,v)
        }
    
        println("====================")
        //2,常量模式匹配，第二个值必须是spark，才会打印出来
        for( (k,e@"spark")<-map ){
          println(k,e)
        }
        println("====================")
       //3,类型匹配模式，注意elasticsearch是不会被打印出来的
        for( (k,v:String)<-   Map("java"->"Hadoop","js"->"vue","scala"->"spark", "elasticsearch"->"java".size)   ){
          println(k,v)
        }
        println("====================")
        //4,构造函数模式匹配
        case class Dog(val name:String,val age:Int)
    
        for(Dog(name,age)<-List(Dog("pet",2),Dog("penny",3),Dog("digo",4)  )  ){
          println(s"Dog ${name} is ${age} years old")
        }
    
        println("====================")
        //5,序列模式匹配
        for( List(first,_*)<- List( List(1,2,3),List(4,5,6,7)  )    ){
    
          println(s"${first}")
        }
        println("====================")
        //6,变量绑定的另一种模式
        val list2=List( List(1,2,3),List(4,5,6,7))
    
        def list2Match(x:AnyRef)=x match {
    
          case List(first,e@List(4,_*)) => println(e)
          case _=> println("defalult")
        }
        list2Match(list2)

结果：

(java,Hadoop)
    (js,vue)
    (scala,spark)
    ====================
    (scala,spark)
    ====================
    (java,Hadoop)
    (js,vue)
    (scala,spark)
    ====================
    Dog pet is 2 years old
    Dog penny is 3 years old
    Dog digo is 4 years old
    ====================
    1
    4
    ====================
    List(4, 5, 6, 7)

最后我们使用元组，来模拟一个类似下面的SQL的例子：

表(pet)结构：

name(string),ct(int)
    cat,2
    cat,6
    cat,2
    dog,1
    dog,2

统计语句：

select name ,sum(ct) as c,count(*),max(ct),min(ct) from pet group by name  order by c desc

Scala代码如下：

val list = ArrayBuffer[(String, Int)]()
    
        list += (("cat", 2))
        list += (("cat", 6))
        list += (("cat", 2))
        list += (("dog", 1))
        list += (("dog", 2))
    
    
        println("宠物名,数量")
        //使用打印所有的数据
        for ((name, count) <- list) {
          println(name, count)
    
        }
    
        println("=================================")
    
        //求出，按宠物名分组，出现数量和,出现总次数，最大数量，最小数量，并按照总次数降序排序
        val result = list.groupBy(_._1).map {
          case (key,valueList) => {
            val sum = valueList.map(_._2).sum//求valueList出现次数的总和
            val maxCount = valueList.max._2//最大次数
            val minCount = valueList.min._2//最小次数
            (key -> (sum, valueList.size, maxCount, minCount))//以Map的结果返回
          }
    
        }.toSeq.sortWith(_._2._1 > _._2._1)
        //转化成Seq后才能进行排序操作，相当于取的是_._2代表的是value的值，
        //继续_1代表的是取里面的sum进行降序排序，如果是<号，则是升序排
    
    
        //使用元组遍历最终结果
        println("宠物名,出现数量和,出现总次数，最大数量，最小数量")
        for( (name,(sum,size,maxCount,minCount)) <-result ){
          println(name,sum,size,maxCount,minCount)
        }

其实，核心代码只有中间的这一部分：

val result = list.groupBy(_._1).map {
       //分组处理
          case (key,valueList) => {
            val sum = valueList.map(_._2).sum//求valueList出现次数的总和
            val maxCount = valueList.max._2//最大次数
            val minCount = valueList.min._2//最小次数
            (key -> (sum, valueList.size, maxCount, minCount))//以Map的结果返回
          }
    
        }.toSeq.sortWith(_._2._1 > _._2._1)//降序排

最终结果：

宠物名,数量
    (cat,2)
    (cat,6)
    (cat,2)
    (dog,1)
    (dog,2)
    =================================
    宠物名,出现数量和,出现总次数，最大数量，最小数量
    (cat,10,3,6,2)
    (dog,3,2,2,1)

简单解释一下核心部分的代码含义：

首先执行了一个groupBy函数，对元组里面的第一个元素也就是宠物名进行 分组，分组之后，每个宠物名一样的数据会聚合在一起，然后执行一个map函数，对里面的valueList进行各种运算，得出来我们 需要的结果后，最终再以Map的数据结构返回，因为Map本身是没法排序的，所以我们得先需要转成Seq类型，最后再执行sortWith方法对value里面的最大次数进行降序排，如果是升序排，只需要把大于号该成小于号即可。

总结：

本篇主要介绍了tuple几种常见的应用场景，通过使用tuple数据结构配合上scala强大的函数方法，我们可以轻松愉快的处理的各种数据集，感兴趣的小伙伴可以自己尝试一下。

有什么问题可以扫码关注微信公众号：我是攻城师(woshigcs)，在后台留言咨询。 技术债不能欠，健康债更不能欠， 求道之路，与君同行。

![输入图片说明][3214000f-5633-3c17-a3d7-83ebda9aebff.jpg]

[https_www.cakesolutions.net_teamblogs_ways-to-pattern-match-generic-types-in-scala]: https://www.cakesolutions.net/teamblogs/ways-to-pattern-match-generic-types-in-scala
[3214000f-5633-3c17-a3d7-83ebda9aebff.jpg]: /images/20220602/ad7200b7d3c94830a2f88bee409d787a.png