如何根据 bin 范围值将 scala 集合分类为子集答案

【问题标题】：How to bin scala collection into subsets based upon bin range values如何根据 bin 范围值将 scala 集合分类为子集
【发布时间】：2022-11-18 07:29:08
【问题描述】：

我有一个非常大的案例类集合，每个案例类都有一个 String 属性和 Double 属性，例如：

case class Sample(id:String, value: Double)

val samples: List[Sample] = List(
  Sample("a", 0), 
  Sample("b", 2), 
  Sample("c", 20), 
  Sample("d", 50), 
  Sample("e", 100), 
  Sample("f", 1000)
)

给定一个桶列表，例如：

val buckets = List(5, 50, 100)

生成子集列表的最佳方法是什么，例如：

List(
  List(Sample("a", 0)), // samples with Value of 0
  List(Sample("b", 2)),   // Samples with Value > 0 & <= 5
  List(Sample("c", 20), Sample("d", 50)), // Samples with Value > 5 & <= 50
  List(Sample("e", 100)), // Samples with Value > 50 & <= 100
  List(Sample("f", 1000)), // Samples with Value > 100
)

【问题讨论】：

标签： scala

【解决方案1】：

明确添加0作为bucket boundary，使用二分查找快速找到O(log(numBuckets))中正确的bucket，使用groupBy：

val buckets = List[Double](0, 5, 50, 100)

val indexFinder: Double => Int = {
  val arr = buckets.toArray
  (value: Double) => arr.search(value).insertionPoint
}

samples.groupBy(sample => indexFinder(sample.value)).values.toList.foreach(println)

给出：


List(Sample(a,0.0))
List(Sample(b,2.0))
List(Sample(c,20.0), Sample(d,50.0))
List(Sample(e,100.0))
List(Sample(f,1000.0))

完整代码：

case class Sample(id:String, value: Double)

val samples: List[Sample] = List(
  Sample("a", 0), 
  Sample("b", 2), 
  Sample("c", 20), 
  Sample("d", 50), 
  Sample("e", 100), 
  Sample("f", 1000)
)

val buckets = List[Double](0, 5, 50, 100)

val indexFinder: Double => Int = {
  val arr = buckets.toArray
  (value: Double) => arr.search(value).insertionPoint
}

samples.groupBy(sample => indexFinder(sample.value)).values.toList.foreach(println)

【讨论】：