Question

实施例

我们通过阅读csv创建了两个时间序列的懒惰地图序列。该两个懒惰序列在不同的日子开始：

INPUT
 lazy-seq1
  ({:date "20110515" :val1 123}
   {:date "20110516" :val1 143}
   {:date "20110517" :val1 1153} ...)
 lazy-seq2
  ({:date "20110517" :val2 151}
   {:date "20110518" :val2 1330} ...)
EXPECTED OUTPUT
 lazy-seq3 
  ({:date "20110515" :vals {:val1 123}}
   {:date "20110516" :vals {:val1 143}}
   {:date "20110517" :vals {:val1 1153 :val2 151}}
   {:date "20110518" :vals {:val1 ... :val2 1330}}
  ...))

确切地说，类型：日期不是字符串，而是由clj-time强制的Jodatime 和：日期按每个序列排序。

第一个选择是使用分组功能，但我想这不能创建lazy-seq。我认为分组需要急切的评估。

第二个选择是使用分区依据功能，但由于缺乏封闭技能，我不能将其应用于我的INPUTS。

输入seq非常大（每个序列约1GB），我想一次计算多个（~100）序列。所以，我想要懒惰的评估以避免Outofmemory错误。

Answer 1

如果您的项目按日期排序，您可以轻松地将它们合并（如合并排序算法）：

(defn merge-lazy [seq1 seq2]
  (cond (empty? seq1) seq2
        (empty? seq2) seq1
        (< (Integer/parseInt (:date (first seq1)))
           (Integer/parseInt (:date (first seq2)))) (cons (first seq1)
                                                      (lazy-seq (merge-lazy (rest seq1) seq2)))
        :else (cons (first seq2) (lazy-seq (merge-lazy seq1 (rest seq2))))))

它会按日期产生一个排序的延迟序列：

user> (def seq1
        '({:date "20110515" :val1 123}
          {:date "20110516" :val1 143}
          {:date "20110517" :val1 1153}))
#'user/seq1
user> (def seq2 '({:date "20110517" :val2 151}
                  {:date "20110518" :val2 1330}))

user> (merge-lazy seq1 seq2)
({:date "20110515", :val1 123} {:date "20110516", :val1 143} 
 {:date "20110517", :val2 151} {:date "20110517", :val1 1153} 
 {:date "20110518", :val2 1330})

然后你可以按日期对这个结果的懒惰seq进行分区（这也会产生一个懒惰的seq）：

user> (partition-by :date (merge-lazy seq1 seq2))
(({:date "20110515", :val1 123}) 
 ({:date "20110516", :val1 143}) 
 ({:date "20110517", :val2 151} {:date "20110517", :val1 1153})
 ({:date "20110518", :val2 1330}))

所以接下来你要做的就是用map

处理每个小组

如果你有更多的输入序列，你可以使用相同的策略，只需用变量args重写merge-lazy（或reduce重写merge-lazy：(reduce merge-lazy sequences)这也是产生一系列懒惰的序列'合并'

在clojure中懒洋洋地合并（分组）巨大的序列

1 个答案: