scala映射和元组

notes/Scala基本数据类型和运算符.md

@@ -271,4 +271,4 @@ res6: Boolean = true
 
 ## 参考资料
 
-1. Martin Odersky(著)，高宇翔(译) . Scala编程(第3版)[M] . 电子工业出版社 . 2018-1-1 
+1. Martin Odersky . Scala编程(第3版)[M] . 电子工业出版社 . 2018-1-1 

notes/Scala数组相关操作.md

@@ -1,4 +1,5 @@
 # Scala 数组相关操作
+
 <nav>
 <a href="#一定长数组">一、定长数组</a><br/>
 <a href="#二变长数组">二、变长数组</a><br/>
@@ -192,5 +193,5 @@ object ScalaApp extends App {
 
 ## 参考资料
 
-
+1. Martin Odersky . Scala编程(第3版)[M] . 电子工业出版社 . 2018-1-1  
-1. Martin Odersky(著)，高宇翔(译) . Scala编程(第3版)[M] . 电子工业出版社 . 2018-1-1  
+2. 凯.S.霍斯特曼  . 快学Scala(第2版)[M] . 电子工业出版社 . 2017-7

notes/Scala映射和元组.md

@@ -0,0 +1,272 @@
+# Scala映射和元组
+
+## 一、映射(Map)
+
+### 1.1 构造映射
+
+```scala
+scala> import scala.collection.immutable.HashMap
+import scala.collection.immutable.HashMap
+
+// 初始化一个空map
+scala> val scores01 = new HashMap[String, Int]
+scores01: scala.collection.immutable.HashMap[String,Int] = Map()
+
+// 从指定的值初始化映射（方式一）
+scala>  val scores02 = Map("hadoop" -> 10, "spark" -> 20, "storm" -> 30)
+scores02: scala.collection.immutable.Map[String,Int] = Map(hadoop -> 10, spark -> 20, storm -> 30)
+
+// 从指定的值初始化映射（方式二）
+scala>  val scores03 = Map(("hadoop", 10), ("spark", 20), ("storm", 30))
+scores03: scala.collection.immutable.Map[String,Int] = Map(hadoop -> 10, spark -> 20, storm -> 30)
+```
+
+采用上面方式得到的都是不可变(immutable)映射，想要得到可变映射，则用：
+
+```scala
+scala> val scores04 = scala.collection.mutable.Map("hadoop" -> 10, "spark" -> 20, "storm" -> 30)
+scores04: scala.collection.mutable.Map[String,Int] = Map(spark -> 20, hadoop -> 10, storm -> 30)
+```
+
+### 1.2 获取值
+
+```scala
+object ScalaApp extends App {
+
+  val scores = Map("hadoop" -> 10, "spark" -> 20, "storm" -> 30)
+
+  // 1.获取指定key对应的值
+  println(scores("hadoop"))
+
+  // 2. 如果对应的值不存在则使用默认值
+  println(scores.getOrElse("hadoop01", 100))
+}
+```
+
+### 1.3 新增/修改/删除值
+
+可变映射允许进行新增、修改、删除等操作。
+
+```scala
+object ScalaApp extends App {
+
+  val scores = scala.collection.mutable.Map("hadoop" -> 10, "spark" -> 20, "storm" -> 30)
+
+  // 1.如果key存在则更新
+  scores("hadoop") = 100
+
+  // 2.如果key不存在则新增
+  scores("flink") = 40
+
+  // 3.可以通过+=来进行多个更新或新增操作
+  scores += ("spark" -> 200, "hive" -> 50)
+
+  // 4.可以通过-= 来移除某个键和值
+  scores -= "storm"
+
+  for (elem <- scores) {println(elem)}
+}
+
+// 输出内容如下
+(spark,200)
+(hadoop,100)
+(flink,40)
+(hive,50)
+```
+
+不可变映射不允许进行新增、修改、删除等操作，但是允许由不可变映射产生新的映射。
+
+```scala
+object ScalaApp extends App {
+
+  val scores = Map("hadoop" -> 10, "spark" -> 20, "storm" -> 30)
+
+  val newScores = scores + ("spark" -> 200, "hive" -> 50)
+
+  for (elem <- scores) {println(elem)}
+
+}
+
+// 输出内容如下
+(hadoop,10)
+(spark,200)
+(storm,30)
+(hive,50)
+```
+
+### 1.4 遍历映射
+
+```java
+object ScalaApp extends App {
+
+  val scores = Map("hadoop" -> 10, "spark" -> 20, "storm" -> 30)
+
+  // 1. 遍历键
+  for (key <- scores.keys) { println(key) }
+
+  // 2. 遍历值
+  for (value <- scores.values) { println(value) }
+
+  // 3. 遍历键值对
+  for ((key, value) <- scores) { println(key + ":" + value) }
+
+}
+```
+
+### 1.5 产生新映射
+
+可以使用`yield`关键字从现有映射产生新的映射。
+
+```scala
+object ScalaApp extends App {
+
+  val scores = Map("hadoop" -> 10, "spark" -> 20, "storm" -> 30)
+
+  // 1.将scores中所有的值扩大10倍
+  val newScore = for ((key, value) <- scores) yield (key, value * 10)
+  for (elem <- newScore) { println(elem) }
+
+
+  // 2.将键和值互相调换
+  val reversalScore: Map[Int, String] = for ((key, value) <- scores) yield (value, key)
+  for (elem <- reversalScore) { println(elem) }
+
+}
+
+// 输出
+(hadoop,100)
+(spark,200)
+(storm,300)
+
+(10,hadoop)
+(20,spark)
+(30,storm)
+```
+
+### 1.6 有序映射
+
+在使用Map时候，如果不指定，默认使用的是HashMap，如果想要使用`TreeMap`或者`LinkedHashMap`，则需要显式的指定。
+
+```scala
+object ScalaApp extends App {
+
+  // 1.使用TreeMap,按照键的字典序进行排序
+  val scores01 = scala.collection.mutable.TreeMap("B" -> 20, "A" -> 10, "C" -> 30)
+  for (elem <- scores01) {println(elem)}
+
+  // 2.使用LinkedHashMap,按照键值对的插入顺序进行排序
+  val scores02 = scala.collection.mutable.LinkedHashMap("B" -> 20, "A" -> 10, "C" -> 30)
+  for (elem <- scores02) {println(elem)}
+}
+
+// 输出
+(A,10)
+(B,20)
+(C,30)
+
+(B,20)
+(A,10)
+(C,30)
+```
+
+### 1.7 其他方法
+
+```scala
+object ScalaApp extends App {
+
+  val scores = scala.collection.mutable.TreeMap("B" -> 20, "A" -> 10, "C" -> 30)
+
+  // 1. 获取长度
+  println(scores.size)
+
+  // 2. 判断是否为空
+  println(scores.isEmpty)
+
+  // 3. 判断是否包含特定的key
+  println(scores.contains("A"))
+
+}
+```
+
+### 1.8 与Java互操作
+
+```scala
+import java.util
+import scala.collection.{JavaConverters, mutable}
+
+object ScalaApp extends App {
+
+  val scores = Map("hadoop" -> 10, "spark" -> 20, "storm" -> 30)
+
+  // scala map转java map
+  val javaMap: util.Map[String, Int] = JavaConverters.mapAsJavaMap(scores)
+
+  // java map转scala map
+  val scalaMap: mutable.Map[String, Int] = JavaConverters.mapAsScalaMap(javaMap)
+  
+  for (elem <- scalaMap) {println(elem)}
+}
+```
+
+
+
+## 二、元组(Tuple)
+
+元组与数组类似，但是数组中所有的元素必须是同一种类型，而元组则可以包含不同类型的元素。
+
+```scala
+scala> val tuple=(1,3.24f,"scala")
+tuple: (Int, Float, String) = (1,3.24,scala)
+```
+
+### 2.1  模式匹配
+
+可以通过模式匹配来进行获取元组中的值并赋予对应的变量：
+
+```scala
+scala> val (a,b,c)=tuple
+a: Int = 1
+b: Float = 3.24
+c: String = scala
+```
+
+如果某些位置不需要赋值，则可以使用下划线代替：
+
+```scala
+scala> val (a,_,_)=tuple
+a: Int = 1
+```
+
+### 2.2 Zip方法
+
+```scala
+object ScalaApp extends App {
+
+   val array01 = Array("hadoop", "spark", "storm")
+  val array02 = Array(10, 20, 30)
+    
+  // 1.zip方法得到的是多个tuple组成的数组
+  val tuples: Array[(String, Int)] = array01.zip(array02)
+  // 2.也可以在zip后调用toMap方法转换为映射
+  val map: Map[String, Int] = array01.zip(array02).toMap
+    
+  for (elem <- tuples) { println(elem) }
+  for (elem <- map) {println(elem)}
+}
+
+// 输出
+(hadoop,10)
+(spark,20)
+(storm,30)
+
+(hadoop,10)
+(spark,20)
+(storm,30)
+```
+
+
+
+## 参考资料
+
+1. Martin Odersky . Scala编程(第3版)[M] . 电子工业出版社 . 2018-1-1  
+2. 凯.S.霍斯特曼  . 快学Scala(第2版)[M] . 电子工业出版社 . 2017-7