数学基础
- 线性代数
- 概率论与随机过程
- 数值计算
- 蒙特卡洛方法与 MCMC 采样
- 机器学习方法概论
统计学习
深度学习
- 深度学习简介
- 深度前馈网络
- 反向传播算法
- 正则化
- 深度学习中的最优化问题
- 卷积神经网络
- CNN:图像分类
- 循环神经网络 RNN
- Transformer
- 一、Transformer [2017]
- 二、Universal Transformer [2018]
- 三、Transformer-XL [2019]
- 四、GPT1 [2018]
- 五、GPT2 [2019]
- 六、GPT3 [2020]
- 七、OPT [2022]
- 八、BERT [2018]
- 九、XLNet [2019]
- 十、RoBERTa [2019]
- 十一、ERNIE 1.0 [2019]
- 十二、ERNIE 2.0 [2019]
- 十三、ERNIE 3.0 [2021]
- 十四、ERNIE-Huawei [2019]
- 十五、MT-DNN [2019]
- 十六、BART [2019]
- 十七、mBART [2020]
- 十八、SpanBERT [2019]
- 十九、ALBERT [2019]
- 二十、UniLM [2019]
- 二十一、MASS [2019]
- 二十二、MacBERT [2019]
- 二十三、Fine-Tuning Language Models from Human Preferences [2019]
- 二十四 Learning to summarize from human feedback [2020]
- 二十五、InstructGPT [2022]
- 二十六、T5 [2020]
- 二十七、mT5 [2020]
- 二十八、ExT5 [2021]
- 二十九、Muppet [2021]
- 三十、Self-Attention with Relative Position Representations [2018]
- 三十一、USE [2018]
- 三十二、Sentence-BERT [2019]
- 三十三、SimCSE [2021]
- 三十四、BERT-Flow [2020]
- 三十五、BERT-Whitening [2021]
- 三十六、Comparing the Geometry of BERT, ELMo, and GPT-2 Embeddings [2019]
- 三十七、CERT [2020]
- 三十八、DeCLUTR [2020]
- 三十九、CLEAR [2020]
- 四十、ConSERT [2021]
- 四十一、Sentence-T5 [2021]
- 四十二、ULMFiT [2018]
- 四十三、Scaling Laws for Neural Language Models [2020]
- 四十四、Chinchilla [2022]
- 四十七、GLM-130B [2022]
- 四十八、GPT-NeoX-20B [2022]
- 四十九、Bloom [2022]
- 五十、PaLM [2022] (粗读)
- 五十一、PaLM2 [2023](粗读)
- 五十二、Self-Instruct [2022]
- 句子向量
- 词向量
- 传统CTR 预估模型
- CTR 预估模型
- 一、DSSM [2013]
- 二、FNN [2016]
- 三、PNN [2016]
- 四、DeepCrossing [2016]
- 五、Wide 和 Deep [2016]
- 六、DCN [2017]
- 七、DeepFM [2017]
- 八、NFM [2017]
- 九、AFM [2017]
- 十、xDeepFM [2018]
- 十一、ESMM [2018]
- 十二、DIN [2017]
- 十三、DIEN [2019]
- 十四、DSIN [2019]
- 十五、DICM [2017]
- 十六、DeepMCP [2019]
- 十七、MIMN [2019]
- 十八、DMR [2020]
- 十九、MiNet [2020]
- 二十、DSTN [2019]
- 二十一、BST [2019]
- 二十二、SIM [2020]
- 二十三、ESM2 [2019]
- 二十四、MV-DNN [2015]
- 二十五、CAN [2020]
- 二十六、AutoInt [2018]
- 二十七、Fi-GNN [2019]
- 二十八、FwFM [2018]
- 二十九、FM2 [2021]
- 三十、FiBiNET [2019]
- 三十一、AutoFIS [2020]
- 三十三、AFN [2020]
- 三十四、FGCNN [2019]
- 三十五、AutoCross [2019]
- 三十六、InterHAt [2020]
- 三十七、xDeepInt [2023]
- 三十九、AutoDis [2021]
- 四十、MDE [2020]
- 四十一、NIS [2020]
- 四十二、AutoEmb [2020]
- 四十三、AutoDim [2021]
- 四十四、PEP [2021]
- 四十五、DeepLight [2021]
- 图的表达
- 一、DeepWalk [2014]
- 二、LINE [2015]
- 三、GraRep [2015]
- 四、TADW [2015]
- 五、DNGR [2016]
- 六、Node2Vec [2016]
- 七、WALKLETS [2016]
- 八、SDNE [2016]
- 九、CANE [2017]
- 十、EOE [2017]
- 十一、metapath2vec [2017]
- 十二、GraphGAN [2018]
- 十三、struc2vec [2017]
- 十四、GraphWave [2018]
- 十五、NetMF [2017]
- 十六、NetSMF [2019]
- 十七、PTE [2015]
- 十八、HNE [2015]
- 十九、AANE [2017]
- 二十、LANE [2017]
- 二十一、MVE [2017]
- 二十二、PMNE [2017]
- 二十三、ANRL [2018]
- 二十四、DANE [2018]
- 二十五、HERec [2018]
- 二十六、GATNE [2019]
- 二十七、MNE [2018]
- 二十八、MVN2VEC [2018]
- 二十九、SNE [2018]
- 三十、ProNE [2019]
- Graph Embedding 综述
- 图神经网络
- 一、GNN [2009]
- 二、Spectral Networks 和 Deep Locally Connected Networks [2013]
- 三、Fast Localized Spectral Filtering On Graph [2016]
- 四、GCN [2016]
- 五、神经图指纹 [2015]
- 六、GGS-NN [2016]
- 七、PATCHY-SAN [2016]
- 八、GraphSAGE [2017]
- 九、GAT [2017]
- 十、R-GCN [2017]
- 十一、 AGCN [2018]
- 十二、FastGCN [2018]
- 十三、PinSage [2018]
- 十四、GCMC [2017]
- 十五、JK-Net [2018]
- 十六、PPNP [2018]
- 十七、VRGCN [2017]
- 十八、ClusterGCN [2019]
- 十九、LDS-GNN [2019]
- 二十、DIAL-GNN [2019]
- 二十一、HAN [2019]
- 二十二、HetGNN [2019]
- 二十三、HGT [2020]
- 二十四、GPT-GNN [2020]
- 二十五、Geom-GCN [2020]
- 二十六、Graph Network [2018]
- 二十七、GIN [2019]
- 二十八、MPNN [2017]
- 二十九、UniMP [2020]
- 三十、Correct and Smooth [2020]
- 三十一、LGCN [2018]
- 三十二、DGCNN [2018]
- 三十三、AS-GCN
- 三十四、DGI [2018]
- 三十五、DIFFPOLL [2018]
- 三十六、DCNN [2016]
- 三十七、IN [2016]
- 图神经网络 2
- 图神经网络 3
- 推荐算法(传统方法)
- 一、Tapestry [1992]
- 二、GroupLens [1994]
- 三、ItemBased CF [2001]
- 四、Amazon I-2-I CF [2003]
- 五、Slope One Rating-Based CF [2005]
- 六、Bipartite Network Projection [2007]
- 七、Implicit Feedback CF [2008]
- 八、PMF [2008]
- 九、SVD++ [2008]
- 十、MMMF 扩展 [2008]
- 十一、OCCF [2008]
- 十二、BPR [2009]
- 十三、MF for RS [2009]
- 十四、 Netflix BellKor Solution [2009]
- 推荐算法(神经网络方法 1)
- 一、MIND [2019](用于召回)
- 二、DNN For YouTube [2016]
- 三、Recommending What Video to Watch Next [2019]
- 四、ESAM [2020]
- 五、Facebook Embedding Based Retrieval [2020](用于检索)
- 六、Airbnb Search Ranking [2018]
- 七、MOBIUS [2019](用于召回)
- 八、TDM [2018](用于检索)
- 九、DR [2020](用于检索)
- 十、JTM [2019](用于检索)
- 十一、Pinterest Recommender System [2017]
- 十二、DLRM [2019]
- 十三、Applying Deep Learning To Airbnb Search [2018]
- 十四、Improving Deep Learning For Airbnb Search [2020]
- 十五、HOP-Rec [2018]
- 十六、NCF [2017]
- 十七、NGCF [2019]
- 十八、LightGCN [2020]
- 十九、Sampling-Bias-Corrected Neural Modeling [2019](检索)
- 二十、EGES [2018](Matching 阶段)
- 二十一、SDM [2019](Matching 阶段)
- 二十二、COLD [2020 ] (Pre-Ranking 模型)
- 二十三、ComiRec [2020](https://www.wenjiangs.com/doc/0b4e1736-ac78)
- 二十四、EdgeRec [2020]
- 二十五、DPSR [2020](检索)
- 二十六、PDN [2021](mathcing)
- 二十七、时空周期兴趣学习网络ST-PIL [2021]
- 推荐算法之序列推荐
- 一、FPMC [2010]
- 二、GRU4Rec [2015]
- 三、HRM [2015]
- 四、DREAM [2016]
- 五、Improved GRU4Rec [2016]
- 六、NARM [2017]
- 七、HRNN [2017]
- 八、RRN [2017]
- 九、Caser [2018]
- 十、p-RNN [2016]
- 十一、GRU4Rec Top-k Gains [2018]
- 十二、SASRec [2018]
- 十三、RUM [2018]
- 十四、SHAN [2018]
- 十五、Phased LSTM [2016]
- 十六、Time-LSTM [2017]
- 十七、STAMP [2018]
- 十八、Latent Cross [2018]
- 十九、CSRM [2019]
- 二十、SR-GNN [2019]
- 二十一、GC-SAN [2019]
- 二十二、BERT4Rec [2019]
- 二十三、MCPRN [2019]
- 二十四、RepeatNet [2019]
- 二十五、LINet(2019)
- 二十六、NextItNet [2019]
- 二十七、GCE-GNN [2020]
- 二十八、LESSR [2020]
- 二十九、HyperRec [2020]
- 三十、DHCN [2021]
- 三十一、TiSASRec [2020]
- 推荐算法(综述)
- 多任务学习
- 系统架构
- 实践方法论
- 深度强化学习 1
- 自动代码生成
工具
- CRF
- lightgbm
- xgboost
- scikit-learn
- spark
- numpy
- matplotlib
- pandas
- huggingface_transformer
- 一、Tokenizer
- 二、Datasets
- 三、Model
- 四、Trainer
- 五、Evaluator
- 六、Pipeline
- 七、Accelerate
- 八、Autoclass
- 九、应用
- 十、Gradio
Scala
- 环境搭建
- 基础知识
- 函数
- 类
- 样例类和模式匹配
- 测试和注解
- 集合 collection(一)
- 集合collection(二)
- 集成 Java
- 并发
七、List
List
是Scala
提供的列表,它是不可变对象,这与java.util.List
不同。List
的行为有些类似Java
的字符串:当你调用List
的某个方法,而这个方法的名字看起来像是会修改List
时,它实际上是创建并返回一个新的List
。List
常用方法:list1:::list2
:拼接两个列表,返回新列表。val2::list1
:在list1
的头部添加一个新元素。Nil
:一个空列表对象。因此可以采用下面的方式初始化一个列表:xxxxxxxxxx
val list = 1 :: 2 :: 3 :: Nil
另外
List
也继承自Traversable --> Iterable --> Seq --> LinearSeq
,因此List
具有这些超类的所有方法。虽然
List
也提供了追加append
操作,记做:+
,但该操作很少使用。因为向List
末尾追加元素的时间开销是 $ O(n) $ , $ n $ 为列表大小。而使用::
在列表头部添加元素只需要常量时间 $ O(1) $ 。如果希望通过追加的方式构建列表,则有两种方式:
- 通过
::
依次在头部添加,最后通过.reverse()
方法来获取列表。 - 采用
ListBuffer
,它是一个可变列表,支持追加操作。构建完成后调用.toList()
方法即可。
- 通过
列表支持在头部快速添加、移除元素(复杂度 $ O(1) $ ),但是不支持快速访问下标(复杂的 $ O(n) $ )。这种特性意味着模式匹配很快。
7.1. 基本用法
List
字面量:xxxxxxxxxx
val list = List(1,2,3,4) val list2 = List("a","b","c")List
列表 和Array
很像,但是有两个重要区别:- 列表是不可变的,即:列表的内容一旦给定就无法改变。
- 列表的结构是以链表的形式组织的,而
Array
的结构是一个数组。
和
Array
一样,列表也是同构的:同一个列表的所有元素必须都是相同的类型。元素类型为T
的列表的类型写作List[T]
。列表类型是协变的。即:如果类型
S
是类型T
的子类型,则List[S]
是类型List[T]
的子类型。空列表的类型为
List[Nothing]
。由于Nothing
是底类型,它是所有类型的子类。又由于List
是协变的,因此对于任何T
而言,List[Nothing]
是List[T]
的子类型。这也是为什么我们可以写如下的代码:
xxxxxxxxxx
val list:List[String] = List() // List() 是 List[Nothing] 类型的对象所有的列表都构建自两个基本的构建单元:
Nil
和::
(读作cons
)。Nil
表示空列表,中缀操作符::
表示在列表前面追加元素。即x :: list
表示这样的列表:第一个元素为x
,接下来是列表xs
的全部元素。因此列表也可以如下定义:
xxxxxxxxxx
val list = 1 :: ( 2 :: ( 3 :: ( 4 :: Nil ) ) ) val empty = Nil事实上
List(...)
的定义最终展开成上述方式。由于以
::
以冒号结尾,因此它是右结合的,因此前面的定义中可以去掉括号,得到:xxxxxxxxxx
val list = 1 :: 2 :: 3 :: 4 :: Nil列表的基本操作:
list.head
:返回列表的第一个元素。它只对非空列表有定义,对空列表调用时将抛出异常。list.tail
:返回列表的、除第一个元素之外的所有元素。它只对非空列表有定义,对空列表调用时将抛出异常。list.isEmpty
:返回列表是否为空。
对列表的所有操作都可以用上述三个基础方法来表达。
列表可以用模式匹配解开。列表模式可以逐一对应到列表表达式。
既可以用
List(...)
这样的模式匹配来匹配列表的所有元素,也可以用::
和Nil
常量一点点的将列表解开。xxxxxxxxxx
val list = List(1,2,3,4) val List(a,b,c,d) = listList(a,b,c,d)
模式匹配长度为4
的列表,并将四个元素分别绑定到变量a,b,c,d
。如果事先并不知道列表中元素的个数,或者列表中元素个数成千上万非常庞大,则更好的做法是使用
::
来匹配。xxxxxxxxxx
val a :: b :: rest = list这种模式匹配的是长度大于等于
2
的列表。其中a
匹配第一个元素、b
匹配第二个元素、rest
匹配列表剩下的部分。事实上,
List(...)
是一个由类库定义的提取器extractor
模式的实例。而
a :: b :: rest
作为模式时,p op q
这样的中缀操作等同于op(p,q)
,也就是中缀操作符op
被当作构造方法模式处理的。具体而言,x :: xs
表达式相当于:: (x,xs)
。一个细节是:存在名为
scala.::
类,该类与:: (x, xs)
模式构造方法相对应。因此::
在scala
中出现两次:- 一次是作为
List
类的方法名,其作用是产出scala.::
类的实例。 - 另一次是作为
scala
包中的一个类的名字。
- 一次是作为
使用模式匹配是用基本方法
head,tail,isEmpty
来解开列表的变通方式。通常对列表做模式匹配要比用方法来解构更加清晰。
7.2 初阶用法
如果一个方法不接收任何函数作为入参,则该方法被称作初阶方法。
:::
操作符:拼接两个列表。xxxxxxxxxx
list1 ::: list2和
::
操作符类似,:::
操作符也是右结合的。即xs ::: ys ::: zs
等价于xs ::: (ys ::: zs)
。.length
方法:获取列表长度。不同于数组,在列表上的
length
操作相对更耗资源。因为找到一个列表的末尾需要遍历整个列表,这需要消耗 $ O(n) $ 的时间。这也是为什么推荐使用
xs.isEmpty
测试,而不推荐使用xs.length == 0
的原因。因为二者在结果上没有区别,但是后者的执行速度更慢,尤其当列表xs
很长的时候。.last
方法:获取(非空)列表的最后一个元素。.init
方法:获取(非空)列表除了最后一个元素之外的剩余部分。和
.head
方法和.tail
方法一样,.last
/.init
这两个方法在应用到空列表上会抛出异常。不像
.head/.tail
那样在运行时消耗 $ O(1) $ 的常量时间,.last
/.init
需要遍历整个列表来获取计算结果。因此它们的消耗时间复杂度为 $ O(n) $ 。最好将列表组织成:大量访问都集中在列表头部而不是尾部,从而获取更高的访问效率。
如果需要频繁的访问列表的末尾,一个比较好的做法是:先将列表反转,然后变成了对反转后的列表的头部的访问。
.reverse
方法就是反转列表,该方法会创建一个新的列表。.drop
和.take
方法是对.tail
和.init
的一般化,它们返回的是列表任意长度的前缀或后缀。xs take n
返回列表xs
的前n
个元素;如果n >= xs.length
,则返回整个xs
列表。xs drop n
返回列表xs
除了前n
个元素的所有元素;如果n >= xs.length
,则返回空列表。
splitAt
方法将 列表从指定的下标位置切开,返回这两个列表组成的元组。该方法只需要遍历数组一次,而不是两次。xxxxxxxxxx
List("a","b","c","d","e")。splitAt(2)// 返回结果 (List("a","b"),List("c","d","e"))apply
用于从任意位置取元素,相对于数组而言,列表使用该方法比较少。它等价于xs(n)
。xxxxxxxxxx
xs.apply(2) // 选择 xs 的下标为 2 的元素该方法用的少的原因是
xs(n)
的时间复杂度为 $ O(n) $ 。事实上该方法是通过
drop
和head
定义的:xs.apply(n)
等价于(xs drop n).head
。列表的下标从
0
开始到列表长度减1
,和数组一样。.indices
方法返回了列表的所有有效下标的序列。xs.flatten
方法将xs
扁平化,返回单个列表。其中xs
是列表的列表。如果xs
不满足条件,则编译错误。xs.zip(ys)
方法返回一个由元组组成的列表。如果两个列表长度不同,则以最短的那个为主,没有配对上的元素被丢弃。xs.zipwithIndex
方法返回一个元组组成的列表,元组的元素分别为原列表元素、该元素的下标。对该返回结果调用
.unzip
方法,则能够转换回列表组成的元组,第一个元素为原始列表 ,第二个元素为下标列表。.toString
方法返回列表的标准字符串表现形式。xxxxxxxxxx
List(1,2,3,4).toString // 返回 "List(1,2,3,4)"如果希望采用不同的表现形式,则可以使用
.mkString(pre,sep,post)
方法。该方法首先添加前缀字符串pre
,然后添加每个元素并在元素之间添加分隔符sep
,最后添加后缀字符串post
。xxxxxxxxxx
List("1", "2", "3", "4").mkString("pre","#","post")// 返回 pre1#2#3#4post.mkString
方法有两个重载的变种:.mkString(sep)
:它等价于.mkString("",sep,"")
。.mkString()
:它等价于.mkString("","","")
。
.mkString
还有其它的变种,如.addString
,该方法并不是返回一个字符串,而是把构建出来的字符串追加到一个StringBuilder
对象中。xxxxxxxxxx
val buf = new StringBuilder List("a","b","c")。addString(buf,"pre",";","post").mkString
和.addString
这两个方法继承自List
的超特质Tranversable
,因此它们也可以应用在所有其它集合类型上。List
和Array
的转换:list.toArray
和array.toList
方法xxxxxxxxxx
val arr = "abcde".toArray // Array(a,b, c, d, e) : Array[Char] arr.toList // List(a,b, c, d, e) : List[Char]list.copyToArray
方法可以将列表中的元素依次拷贝到目标数组的指定位置。xxxxxxxxxx
val arr2 = new Array[Int](10) List(1,2,3)。copyToArray(arr2, 3) println(arr2.mkString(",")) // 0,0,0,1,2,3,0,0,0,0
通过迭代器访问列表元素:
list.iterator
方法。xxxxxxxxxx
val it = List(1,2,3).iterator println(it.next) // 1 println(it.next) // 2 println(it.next) // 3 println(it.next) // 抛出异常 : java.util。NoSuchElementException
7.3 高阶方法
高阶方法是接受函数为参数的方法。
迭代方法:
map
、flatMap
、foreach
:xs.map(f)
:将类型为List[T]
的列表xs
的每个元素,通过函数f: T => U
映射;再将映射结果拼接成列表返回。返回结果是List[U]
类型的列表。xxxxxxxxxx
List("this", "is", "a", "word").map(_.length) // 返回 : List(4,2,1,4)xs.flatMap(f)
:和map
类似,但是要求f
返回一个列表List[U]
,然后将返回的所有列表的元素拼接成一个列表返回。返回结果是List[U]
类型的列表。xxxxxxxxxx
List("this","is").map(_.toList)// 返回 List(List(t, h, i, s),List(i,s)), 类型为 List[List[Char]] List("this","is").flatMap(_.toList)// 返回 List(t,h,i,s,i,s), 类型为 List[Char]foreach
方法:xs.foreach(f)
,其中f
返回结果为Unit
。它简单的将f
应用到列表中的每个元素,整个foreach
方法本身的结果类型也是Unit
。xxxxxxxxxx
var sum = 0 List(1,2,3).foreach(sum += _) println(sum) // 6
过滤方法:
filter, partition, find, takeWhile, dropWhile, span
:xs.filter(f)
方法:将f
应用到xs
的每个元素,保留f(x)
为true
的元素。其中 函数f
的类型为:f: T=> Boolean
。xxxxxxxxxx
List(1,2,3,4).filter(_ %2 ==0)// 返回 List(2, 4)xs.partition(f)
方法:和.filter
方法类似,但是它返回一对列表:其中一个包含所有f(x)=true
的元素,另一个包含所有f(x)=false
的元素。xxxxxxxxxx
List(1,2,3,4).partition(_ %2 ==0) // 返回 (List(2,4),List(1,3)).find
方法和.filter
方法很像,但是它返回满足给定条件的第一个元素,而不是所有元素。xs.find(f)
返回一个可选值。如果xs
中存在一个元素x
满足f(x)=true
,则返回Some(x)
;否则返回None
。xxxxxxxxxx
List(1,2,3,4).find(_ %2 ==0) // 返回 Some(2) List(1,2,3,4).find( _ <= 0) // 返回 Nonexs.takeWhile(f)
返回列表xs
中连续满足f(x)=true
的最长前缀。xxxxxxxxxx
List(1,2,3,-1,4).takeWhile(_ >= 0) // 返回 List(1,2,3)而
xs.dropWhile(f)
去除列表xs
中连续满足f(x)=true
的最长前缀。xxxxxxxxxx
List(1,2,3,-1,4).dropWhile(_ >= 0) // 返回 List(-1,4)而
xs.span(f)
将takeWhile
和dropWhile
合二为一,就像splitAt
将take
和drop
合二为一一样。它返回一组列表:xs.span(f)
等价于(xs.takeWhile(f), xs.dropWhile(f))
。
列表判断:
xs.forall(f)
:如果列表xs
中全部元素都满足f
就返回true
,否则返回false
。xs.exists(f)
:如果列表xs
中存在元素满足f
就返回true
,否则返回false
。
xxxxxxxxxx
List( 1,2,3,4).forall( _ > 0 ) // 返回 true List(-1,2,3,4).forall( _ > 0 ) // 返回 false List(-1,2,3,4).exists( _ > 0 ) // 返回 true列表折叠:用某种操作符合并元素。如:
xxxxxxxxxx
sum(List(1,2,3,4)) // 等于 1+2+3+4 = 10 product(List(1,2,3,4)) // 等于 1x2x3x4 = 24左折叠
(z /: xs)(op)
:以z
为前缀,对列表元素以此连续应用op
操作。xxxxxxxxxx
(z /: List(a,b,c))(op) // 等于 op(op(op(z,a),b),c) // op // / \ // op c // / \ // op b // / \ // z a左折叠会产生一颗向左的操作树。它从左向右折叠。
右折叠
(xs :\ z)(op)
:以z
为后缀,对列表元素以此连续应用op
操作。xxxxxxxxxx
(List(a,b,c) :\ z)(op) // 等于 op(a,op(b,op(c,z))) // op // / \ // a op // / \ // b op // / \ // c z右折叠会产生一颗向右的操作树。它从右向左折叠。
左折叠和右折叠的效率是相同的,不存在执行效率上的差异。
你也可以使用 foldLeft
和 foldRight
这两个方法名,它是定义在 List
类中的方法。
列表拼接
xs ::: ys
的执行时间和第一个参数xs
的长度成正比。因为需要找到xs
的尾指针指向ys
的头指针。获取尾指针的算法复杂度为 $ O(n) $ 、获取头指针的算法复杂度为 $ O(1) $ 。因为类型擦除, 所以
Scala
类型推断不能自动推断出正确的列表类型。xs.sortWith(before)
用于对列表xs
中的元素进行排序,其中before
是一个用来比较两个元素的函数。before(x,y)
:如果x
应该排在y
的前面,则返回true
。
7.4 List 伴生对象方法
前面介绍的所有操作都是
List
类的方法,因此我们在每个具体的List
对象上调用它们。还有一些方法是定义在全局可访问的scala.List
上的,这是List
的伴生对象。有一些操作是用于创建列表的工厂方法,另一些是对特定形状的列表进行操作。
List.apply
:从给定元素创建列表。List(1,2,3)
仅仅是List.apply(1,2,3)
的便利方式,二者等效。xxxxxxxxxx
List.apply(1,2,3)List.range
:从数值区间创建列表。List.range(from,until)
:创建一个包含了从from
开始递增到until-1
的数的列表。结果不包含until
。List.range(from,until,step)
:创建一个包含从from
开始、步长为step
、不超过until
的数的列表。步长可以为正,也可以为负。
xxxxxxxxxx
List.range(1,5) List.range(1,-5,-1)List.fill
:创建包含零个或者多个相同元素拷贝的列表。它接收两个参数:要创建的列表长度、需要重复的元素。两个参数各以不同的参数列表给出。xxxxxxxxxx
List.fill(3)("a")如果给
fill
的参数多于1
个,那么它会创建多维列表,如:列表的列表、列表的列表的列表。多出来的参数放在第一个参数列表中。xxxxxxxxxx
List.fill(2,3)("a") // List(List("a","a","a"),List("a","a","a"))List.tabulate
:根据给定的函数计算列表的元素。它也有两个参数列表,第一个参数列表给出列表的维度,第二个参数描述列表的元素。它和List.fill
区别在于:List.tabulate
的元素值不再固定,而是根据函数计算而来,函数参数为被计算的元素的所处的位置(索引)。xxxxxxxxxx
List.tabulate(5)(n => n*n) // List(0,1,4,9,16) List.tabulate(5,5)( - * _) /* List( List(0,0,0,0,0) List(0,1,2,3,4) List(0,2,4,6,8) List(0,3,5,9,12) List(0,4,6,12,16) ) */List.concat
:拼接多个列表。xxxxxxxxxx
List.concat(List("a","b","c"),List("d")) // List("a","b","c","d")
7.5 同时处理多个列表
可以通过对多个列表组成的元组调用
zipped
方法,然后执行map/exists/forall
等操作,就可以同时处理多个列表。xxxxxxxxxx
(List(1,2,3,4), List(11,12,13),List("a","b","c","d","e")).zipped.foreach{ case (item1:Int,item2:Int,item3:String) => println("%d,%d,%s".format(item1,item2,item3)) }注意:
zipped
方法把所有列表中同一个位置的元素zip
在一起,以最短的列表为基准。
如果你对这篇内容有疑问,欢迎到本站社区发帖提问 参与讨论,获取更多帮助,或者扫码二维码加入 Web 技术交流群。
绑定邮箱获取回复消息
由于您还没有绑定你的真实邮箱,如果其他用户或者作者回复了您的评论,将不能在第一时间通知您!
发布评论