Question

我想过滤一个大的制表符分隔文件，其中包含基于另一个文件的坐标，我希望以功能样式进行。我想知道在F＃中执行以下任务的有效/功能方法。

带一个带范围的文件（本质上是[group，start，end]的列表，另一个带有特定坐标的文件（基本上是[group，position]）。通过仅输出[group，position]的网站来过滤第二个文件]在第一个文件的间隔内（例如，如果第一个文件包含[A，1,20]，那么[A，5]将被输出，而[A，25]则不会。）

要过滤的文件要大到内存，有没有人知道一个时髦的功能方式来做到这一点？

Answer 1

这实际上取决于问题的规模，即您希望在两个组中有多少东西。但是，作为起点，您可以使用Seq.groupBy获取每个组的范围列表，然后使用Seq.exist检查位置是否在任何范围内。

例如，给出以下输入：

let ranges = [ (1, 0, 5); (1, 10, 15 ) ]
let coords = [ (1, 3); (1, 7); (1, 12) ]

您可以创建一个字典，为您提供每个组的范围列表：

let byGroup =
  ranges 
  |> Seq.groupBy (fun (g, _, _) -> g) 
  |> Seq.map (fun (k, v) -> k, Seq.map (fun (_, s, e) -> (s, e)) v)
  |> dict

然后你可以过滤坐标，并且对于每个位置，扫描适当的范围以查看该位置是否属于其中任何一个：

coords
|> Seq.filter (fun (g, pos) ->
  byGroup.[g] |> Seq.exists (fun (l, h) -> pos >= l && pos <= h))

如果范围的数量非常高，这可能不会起作用，但对于较小的示例，它应该足够好。对于更大的数据，您可能想要创建某种类似二叉树的结构（您可以在其中搜索范围），但这是一个更复杂的问题，更多的是关于算法而不是关于F＃。

在F＃中过滤列表的最佳功能方式

1 个答案: