将元组列表转换为映射（并处理重复的键？）

我正在考虑一种将具有重复键的元组列表转换[("a","b"),("c","d"),("a","f")]为map 的好方法("a" -> ["b", "f"], "c" -> ["d"])。通常（在python中），我将创建一个空映射并在列表上进行for循环，并检查重复的键。但是我在这里寻找一种更轻松，更聪明的解决方案。

顺便说一句，我在这里使用的键值的实际类型是(Int, Node)，我想变成一个映射(Int -> NodeSeq)

分组然后进行项目：

scala> val x = List("a" -> "b", "c" -> "d", "a" -> "f")
//x: List[(java.lang.String, java.lang.String)] = List((a,b), (c,d), (a,f))
scala> x.groupBy(_._1).map { case (k,v) => (k,v.map(_._2))}
//res1: scala.collection.immutable.Map[java.lang.String,List[java.lang.String]] = Map(c -> List(d), a -> List(b, f))

使用折痕的更平整的方式，就像那里一样（跳过map f步骤）。

对于不希望重复或使用默认重复处理政策的 Google员工，请执行以下操作：

List("a" -> 1, "b" -> 2).toMap
// Result: Map(a -> 1, c -> 2)

从2.12开始，默认策略为：

重复的键将被以后的键覆盖：如果这是一个无序集合，则未定义结果映射中的哪个键。

这是另一种选择：

x.groupBy(_._1).mapValues(_.map(_._2))

对于确实关心重复项的Google员工：

implicit class Pairs[A, B](p: List[(A, B)]) {
  def toMultiMap: Map[A, List[B]] = p.groupBy(_._1).mapValues(_.map(_._2))
}

> List("a" -> "b", "a" -> "c", "d" -> "e").toMultiMap
> Map("a" -> List("b", "c"), "d" -> List("e")) 

Starting Scala 2.13，大多数集合都提供有groupMap方法，顾名思义，groupMap方法等效于（更有效）a groupBy后跟mapValues：

List("a" -> "b", "c" -> "d", "a" -> "f").groupMap(_._1)(_._2)
// Map[String,List[String]] = Map(a -> List(b, f), c -> List(d))

这个：

• group基于元组的第一部分的元素（组 Map的组部分）

• map通过取它们的第二元组部S分组的值（映射组的一部分地图）

这等效于list.groupBy(_._1).mapValues(_.map(_._2))但通过列表一次执行。

这是一种Scala惯用的方式，可将元组列表转换为处理重复键的映射。您想使用折叠。

val x = List("a" -> "b", "c" -> "d", "a" -> "f")

x.foldLeft(Map.empty[String, Seq[String]]) { case (acc, (k, v)) =>
  acc.updated(k, acc.getOrElse(k, Seq.empty[String]) ++ Seq(v))
}

res0: scala.collection.immutable.Map[String,Seq[String]] = Map(a -> List(b, f), c -> List(d))

您可以在下面找到一些解决方案。（GroupBy，FoldLeft，Aggregate，Spark）

val list: List[(String, String)] = List(("a","b"),("c","d"),("a","f"))

通过分组

list.groupBy(_._1).map(v => (v._1, v._2.map(_._2)))

左折

list.foldLeft[Map[String, List[String]]](Map())((acc, value) => {
  acc.get(value._1).fold(acc ++ Map(value._1 -> List(value._2))){ v =>
    acc ++ Map(value._1 -> (value._2 :: v))
  }
})

总体变化-类似于向左折

list.aggregate[Map[String, List[String]]](Map())(
  (acc, value) => acc.get(value._1).fold(acc ++ Map(value._1 -> 
    List(value._2))){ v =>
     acc ++ Map(value._1 -> (value._2 :: v))
  },
  (l, r) => l ++ r
)

火花变化-适用于大数据集（从RDD转换为RDD和普通图）

import org.apache.spark.rdd._
import org.apache.spark.{SparkContext, SparkConf}

val conf: SparkConf = new 
SparkConf().setAppName("Spark").setMaster("local")
val sc: SparkContext = new SparkContext (conf)

// This gives you a rdd of the same result
val rdd: RDD[(String, List[String])] = sc.parallelize(list).combineByKey(
   (value: String) => List(value),
   (acc: List[String], value) => value :: acc,
   (accLeft: List[String], accRight: List[String]) => accLeft ::: accRight
)

// To convert this RDD back to a Map[(String, List[String])] you can do the following
rdd.collect().toMap

你可以试试这个

scala> val b = new Array[Int](3)
// b: Array[Int] = Array(0, 0, 0)
scala> val c = b.map(x => (x -> x * 2))
// c: Array[(Int, Int)] = Array((1,2), (2,4), (3,6))
scala> val d = Map(c : _*)
// d: scala.collection.immutable.Map[Int,Int] = Map(1 -> 2, 2 -> 4, 3 -> 6)