Question

给定一个大型集合（我们称之为'a'）T类型的元素（比如一个Vector或List）和一个评估函数'f'（比如说，（T）=＆gt; Double）我想从'a'派生一个结果集合'b'，其中包含'a'的N个元素，这些元素在f下具有最高值。集合'a'可能包含重复项。它没有排序。

可能暂时搁置并行化（map / reduce等）的问题，用于编译结果集合'b'的适当的Scala数据结构是什么？感谢您的任何指示/想法。

注意：

（1）我想我的用例可以最简洁地表达为

val a = Vector( 9,2,6,1,7,5,2,6,9 ) // just an example
val f : (Int)=>Double = (n)=>n      // evaluation function
val b = a.sortBy( f ).take( N )     // sort, then clip

除了我不想对整个集合进行排序。

（2）一个选项可能是对“a”的迭代，它使用“手动”大小边界填充TreeSet（拒绝任何比集合中最差项更糟糕的东西，不要让集合增长超过N）。但是，我想保留结果集中原始集中存在的重复项，因此这可能不起作用。

（3）如果排序的多集是正确的数据结构，是否有Scala实现？或者二进制排序的Vector或Array，如果结果集相当小？

Answer 1

您可以使用优先级队列：

def firstK[A](xs: Seq[A], k: Int)(implicit ord: Ordering[A]) = {
  val q = new scala.collection.mutable.PriorityQueue[A]()(ord.reverse)
  val (before, after) = xs.splitAt(k)
  q ++= before
  after.foreach(x => q += ord.max(x, q.dequeue))
  q.dequeueAll
}

我们用第一个k元素填充队列，然后将每个附加元素与队列的头部进行比较，并根据需要进行交换。这按预期工作并保留重复：

scala> firstK(Vector(9, 2, 6, 1, 7, 5, 2, 6, 9), 4)
res14: scala.collection.mutable.Buffer[Int] = ArrayBuffer(6, 7, 9, 9)

并没有对完整列表进行排序。我在这个实现中有一个Ordering，但是对它进行调整以使用评估函数将是非常简单的。

Scala：排序子集最合适的数据结构是什么？

1 个答案: