我仍然不熟悉scala,但我正在使用它处理一些数据,我从文件中读入以下数据结构:
Map[Id, (Set[Category], Set[Tag])]
,其中
type Id = String
type Category = String
type Tag = String
基本上,Map
中的每个键都是与一组类别和一组标签相关联的实体的唯一ID。
我的问题是:哪种方式最好(=最强高效和惯用)计算方式:
type TagsFrequencies = Map[Tag, Double]
)Map[Category, TagsFrequencies]
)这是我的尝试:
def tagsFrequencies(tags: List[Tag]): TagsFrequencies =
tags.groupBy(t => t).map(
kv => (kv._1 -> kv._2.size.toDouble / tags.size.toDouble))
def computeTagsFrequencies(data: Map[Id, (Set[Category], Set[Tag])]): TagsFrequencies = {
val tags = data.foldLeft(List[Tag]())(
(acc, kv) => acc ++ kv._2._2.toList)
tagsFrequencies(tags)
}
def computeTagsFrequenciesPerCategory(data: Map[Id, (Set[Category], Set[Tag])]): Map[Category, TagsFrequencies] = {
def groupTagsPerCategory(data: Map[Id, (Set[Category], Set[Tag])]): Map[Category, List[Tag]] =
data.foldLeft(Map[Category, List[Tag]]())(
(acc, kv) => kv._2._1.foldLeft(acc)(
(a, category) => a.updated(category, kv._2._2.toList ++ a.getOrElse(category, Set.empty).toList)))
val tagsPerCategory = groupTagsPerCategory(data)
tagsPerCategory.map(tpc => (tpc._1 -> tagsFrequencies(tpc._2)))
}
举个例子,考虑
val data = Map(
"id1" -> (Set("c1", "c2"), Set("t1", "t2", "t3")),
"id2" -> (Set("c1"), Set("t1", "t4")))
然后:
标记所有实体的频率为:
Map(t3 -> 0.2, t4 -> 0.2, t1 -> 0.4, t2 -> 0.2)
每个类别的和标签频率为:
Map(c1 -> Map(t3 -> 0.2, t4 -> 0.2, t1 -> 0.4, t2 -> 0.2), c2 -> Map(t3 -> 0.3333333333333333, t1 -> 0.3333333333333333, t2 -> 0.3333333333333333))
答案 0 :(得分:2)
这是对成语的重写,不一定是效率。我会让你的第一个方法更通用(Iterable
参数),使用identity
代替t => t
,并使用mapValues
:
def tagsFrequencies(tags: Iterable[Tag]): TagsFrequencies =
tags.groupBy(identity).mapValues(_.size / tags.size.toDouble)
因为现在需要Iterable[Tag]
,所以你可以用它来清理第二种方法:
def computeTagsFrequencies(data: Map[Id, (Set[Category], Set[Tag])]) =
tagsFrequencies(data.flatMap(_._2._2))
类似于最后一种方法:
def computeTagsFrequenciesPerCategory(data: Map[Id, (Set[Category], Set[Tag])]) =
data.values.flatMap {
case (cs, ts) => cs.map(_ -> ts)
}.groupBy(_._1).mapValues(v => tagsFrequencies(v.flatMap(_._2)))
这些更改都不会以任何有意义的方式影响性能,但您当然应该在自己的应用程序中进行基准测试。