scala 对大数据量排序求中位数 lookup方法

本文介绍了如何使用Scala处理大数据量排序,通过sortBy创建有序RDD,结合WithIndex调整顺序。针对偶数个元素的情况,中位数为中间两个数的平均值。重点讲解了lookup方法,它根据键从映射中获取对应的值,例如在给定示例中,lookup用于获取特定索引处的元素。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

val rdd=sc.makeRDD(Array(1,8,6,4,9,3,76,4))
val sorted = rdd.sortBy(identity).zipWithIndex().map {
  case (v, idx) => (idx, v)
}

val count = sorted.count() 
val median: Double = if (count % 2 == 0) {
  val l = count / 2 - 1
  val r = l + 1
  (sorted.lookup(l).head + sorted.lookup(r).head).toDouble / 2

} else sorted.lookup(count / 2).head.toDouble
println(median)

首先根据元素排序(sortBy),得到有序RDD

RDD[Int]=(1,3,4,4,6,8,9,76)

WithIndex后与index调换顺序.

(1,1),(2,3),(3,4),(4,4),(5,6),(6,8),(7,9),(8,76)

然后如果有偶数个的话,中位数就是最中间两个数的平均数

lookup

lookup是根据map中的键来取出相应的值的,
如上面的sorted.lookup(1) ,得到的结果是一个序列Seq[Int]
如果sorted是

RDD((1,(1"a",1.0)),(1,(2,"b",9.1))

sorted.lookup(1)得到的就是Seq[(Int,String,Double)],是键为1的所有值的序列,

println(sorted.lookup(1))
//是
WrappedArray((1,a,1.0),(2,b,9.0))
sorted.lookup(1).head是第一项,即(1,a,1.0),
sorted.lookup(1).tail是第二项,即Seq[(Int,String,Double)]
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值