R语言码农的Scala学习心得

为了MLib，最近是铁了心要学好Spark。关注本博客的朋友应该知道我的主力语言是R，无论是训练模型还是做Elasticsearch，都是通过R脚本来操作的。之前的《通过 Spark R 操作 Hive》这篇博文中我对通过R来操作Spark还存在幻想，实际使用之后基本放弃了这种想法，因为目前的Spark R可用功能十分有限，并且运行效率也不理想，干脆就决定好好学一下原生的Scala！本文将类比R与Scala，从R语言码农的角度介绍一下Scala的学习心得： 注：本文不求全，只求实用，想学习详细语法推荐阅读《快学Scala》

1.变量

R：直接给变量赋值

test = 1

Scala：val代表不可变，var代表可变，可以不写变量类型，scala会根据所赋的值进行推断

val test:Int = 1
val test1 = 1
var test2 = 1

2.判断与循环

R：

if (test > 0) {
    print(test)
} 

for (i in 1:10) {
   print(i)
}

Scala：判断语句一样，循环语句也非常类似，像R一样，Scala可以通过to或者until函数非常方便地生成连续整数用于循环

if (test > 0) {
   print(test)
}
for (i <- 1 to 10) {
    print(i)
} 

3.函数

R：

doubleX = function(x) { x * 2 }

Scala：R与Scala都会将函数体中最后一个值作为返回值因此不需要写return；Scala中参数的类型是必须定义的而返回值的类型则不一定需要写（例外是递归函数，无法推断出返回值的类型）；与其它主流语言不同的是两者在函数定义中都有“=”，Scala的函数如果没有返回值（返回Unit）则可以省去“=”

def doubleX(x:Double):Double = { x * 2 } 

4.集合

R：R语言里常用的集合就四种：vector, matrix, dataframe, list，写起来基本以开发效率优先，很少考虑数据结构与运行效率；从一个集合变换为另一个集合是常用操作，一般很少使用循环语句，取而代之的是sapply或者lapply

 # vector
c(1, 2, 3) 

# matrix
matrix(1:10, nrow=2) 

# dataframe
data.frame(x=1:3, y=4:6) 

# list
list(1:4, c('a', 'b', 'c')) 

# sapply
sapply(1:5, function(i) i*2)

Scala：运行在jvm里的Scala与Java语言兼容性非常好，拥有丰富的集合以及较为全面的数据结构，同时又不需要像Java那样写冗长的代码，可以说在开发效率与执行效率之间找到了一个不错的平衡点

上示的是所有不可变的集合（immutable collection），主要分为三类：Seq，Set，Map，以下分别介绍：

4.1 Seq

IndexSeq与LinearSeq：IndexSeq类似于Java的ArrayList，LinearSeq类似于Java的LinkedList。 Vector：以树形结构实现，支持快速的随机访问。 Range：前边提到的1 to 10生成的就是Range，并不存储所有值而只是起始值、结束值和增值。 List：根据When should I choose Vector in Scala?所说，List的优势在于head与tail方法，快速获取首个元素与其余子list，因此大多数情况下会选用Vector。

# 创建对象
val test = Vector(1, 2, 3) 

# 按下标选取值，从0开始
test(0) 

# 集合变换
test.map(x => x * 2) 

# 如果map中匿名函数的参数在=>右侧只出现一次可以用_替换
test.map(_ * 2)

4.2 Set

HashSet：Set是不重复元素的集合，默认的Set是HashSet不保留插入的顺序，它的优势是查找元素的速度比Array和List快得多。 ListSet：维护一个链表使得元素插入的顺序可以被记住。 SortedSet：得到已排序的Set。

4.3 Map

Map是对偶（求英文名）或者键值对的集合，对偶是最简单的元组（tuple），元组是可以包含不同类型对象的集合。

# 创建Map
val mapTest = Map('a'->1, 'b'->2, 'c'->3) 

# 元组按下标选取值，从1开始
val test = 'a'->1
test._1 

# 选出值<3的Map子集
mapTest.filter(_._2 < 3)

5.面向对象

R：R常被用来写脚本，较少用于庞大的项目，因此面相对象的用法较少，在工作中应用过S4的方法，但说实在的语法真的挺奇怪的，用起来不舒服。 Scala：作为Java的兄弟，Scala的面向对象编程可谓非常完整，这里记录一些Scala区别于Java的地方

5.1 class

class Person(var age: Int) { }
var person = new Person(10)
person.age = 20
println(person.age)

• 与Java不同，Scala可以像给函数定义参数一样给类定义字段，这被称为主构造器
• Scala会自动为类生成setter和getter，上面例子中对age的取值与赋值其实是通过setter与getter方法实现的

5.2 object

• Scala不能在类中定义静态方法与静态字段，不过可以通过object来近似实现
• object不能提供构造器
• 与class同名且在同一个源文件中的object，可以与类互相访问私有特性，被称作伴生对象
• 初始化集合对象时，如：Vector(1,2,3)，其实是调用了Vector object的apply方法
• 每个Scala程序都必须从一个object的main方法开始，这个object就是应用程序对象
• 用obect可以实现枚举
• unapply是一个接收对象，返回构造参数的方法，定义了这个方法的object被称作提取器

5.3 trait

• 可以把它当成能够有方法实现的接口

6.模式匹配

能够各种姿势地模式匹配绝对是Scala的一个巨大优点，这一节只有Scala部分，以下通过举例来展现：

6.1 switch中的模式

# if守卫
ch match {
    case '+' => sigh = 1
    case '-' => sigh = -1
    case _ if Character.isDigit(ch) => digit = Character.digit(ch, 10)
    case _ => sigh = 0
} 

# 类型匹配（不需要用asInstanceOf）
obj match {
    case x:Int => x
    case s:String => Interger.parseInt(s)
    case _:BigInt => Int.MaxValue
    case _ => 0
} 

# 匹配数组、列表和元组
arr match {
    case Array(0) => "0"
    case Array(x, y) => x + " " + y
    case Array(0, _*) => "0 ..."
    case _ => "something else"
}

6.2 变量声明中的模式

scala> val (x, y) = (1, 2)
x: Int = 1
y: Int = 2 

scala> val (q, r) = BigInt(10) /% 3
q: scala.math.BigInt = 3
r: scala.math.BigInt = 1 

scala> var Array(first, seccond, _*) = Array(1,2,3)
first: Int = 1
seccond: Int = 2 

# 正则表达式
scala> val numitemPattern = "(\\d+) (\\w+)".r
numitemPattern: scala.util.matching.Regex = (\d+) (\w+) 

scala> val numitemPattern(num, item) = "99 bottles"
num: String = 99
item: String = bottles

6.3 for表达式中的模式

# 打印所有值为空白的键
for ((k, "") <- System.getProperties()) println(k) 

由于时间有限，还没能把所有的Scala语法都吃透。但学到现在，从R过渡到Scala算是比较有把握了，继续走在攻克Spark难题的路上。

转载请注明出处：http://logos.name/