快学Scala习题解答—第四章 映射和元组

4 映射和元组 

4.1 设置一个映射,当中包括你想要的一些装备，以及它们的价格。然后构建还有一个映射。採用同一组键，可是价格上打9折 
映射的简单操作 

1. ,"gun"->18,"ipad"->1000)  
2. , gun -> 18, ipad -> 1000)  
3.   
4. scala> for((k,v) <- map) yield (k,v * 0.9)  
5. res3: scala.collection.immutable.Map[java.lang.String,Double] = Map(book -> 9.0, gun -> 16.2, ipad -> 900.0)  

4.2 编写一段程序，从文件里读取单词。用一个可变映射来清点每一个单词出现的频率。读取这些单词的操作能够使用java.util.Scanner: 
val in = new java.util.Scanner(new java.io.File("myfile.txt")) while(in.hasNext()) 处理 in.next() 或者翻到第9章看看更Scala的做法。

最后，打印出全部单词和它们出现的次数。 
当然使用Scala的方法啦。參考第9章 
首先。创建一个文件myfile.txt。输入例如以下内容 
test test ttt test ttt t test sss s 
Scala代码例如以下 

1. import scala.io.Source  
2. import scala.collection.mutable.HashMap  
3.   
4. //val source = Source.fromFile("myfile.txt")  
5. //val tokens = source.mkString.split("\\s+")  //此写法tokens为空，不知为何  
6.   
7. val source = Source.fromFile("myfile.txt").mkString  
8.   
9. val tokens = source.split("\\s+")  
10.   
11. val map = new HashMap[String,Int]  
12.   
13. for(key <- tokens){  
14. ) + 1  
15. }  
16.   
17. println(map.mkString(","))  

4.3 反复前一个练习，这次用不可变的映射 
不可变映射与可变映射的差别就是，每次加入元素，都会返回一个新的映射 

1. import scala.io.Source  
2.   
3. val source = Source.fromFile("myfile.txt").mkString  
4.   
5. val tokens = source.split("\\s+")  
6.   
7. var map = Map[String,Int]()  
8.   
9. for(key <- tokens){  
10. ) + 1))  
11. }  
12.   
13. println(map.mkString(","))  

4.4 反复前一个练习。这次使用已排序的映射。以便单词能够按顺序打印出来 
和上面的代码没有什么差别，仅仅是将映射改动为SortedMap 

1. import scala.io.Source  
2. import scala.collection.SortedMap  
3.   
4. val source = Source.fromFile("myfile.txt").mkString  
5.   
6. val tokens = source.split("\\s+")  
7.   
8. var map = SortedMap[String,Int]()  
9.   
10. for(key <- tokens){  
11. ) + 1))  
12. }  
13.   
14. println(map.mkString(","))  

4.5 反复前一个练习。这次使用java.util.TreeMap并使之适用于Scala API 
主要涉及java与scala的转换类的使用 

1. import scala.io.Source  
2. import scala.collection.mutable.Map  
3. import scala.collection.JavaConversions.mapAsScalaMap  
4. import java.util.TreeMap  
5.   
6. val source = Source.fromFile("myfile.txt").mkString  
7.   
8. val tokens = source.split("\\s+")  
9.   
10. val map:Map[String,Int] = new TreeMap[String,Int]  
11.   
12. for(key <- tokens){  
13. ) + 1  
14. }  
15.   
16. println(map.mkString(","))  

4.6 定义一个链式哈希映射,将"Monday"映射到java.util.Calendar.MONDAY,依次类推加入其它日期。展示元素是以插入的顺序被訪问的 
LinkedHashMap的使用 

1. import scala.collection.mutable.LinkedHashMap  
2. import java.util.Calendar  
3.   
4. val map = new LinkedHashMap[String,Int]  
5.   
6. map += ("Monday"->Calendar.MONDAY)  
7. map += ("Tuesday"->Calendar.TUESDAY)  
8. map += ("Wednesday"->Calendar.WEDNESDAY)  
9. map += ("Thursday"->Calendar.THURSDAY)  
10. map += ("Friday"->Calendar.FRIDAY)  
11. map += ("Saturday"->Calendar.SATURDAY)  
12. map += ("Sunday"->Calendar.SUNDAY)  
13.   
14.   
15. println(map.mkString(","))  

4.7 打印出全部Java系统属性的表格 
属性转scala map的使用 

1. import scala.collection.JavaConversions.propertiesAsScalaMap  
2.   
3. val props:scala.collection.Map[String,String] = System.getProperties()  
4.   
5. val keys = props.keySet  
6.   
7. val keyLengths = for( key <- keys ) yield key.length  
8.   
9. val maxKeyLength = keyLengths.max  
10.   
11. for(key <- keys) {  
12.   print(key)  
13.   print(" " * (maxKeyLength - key.length))  
14.   print(" | ")  
15.   println(props(key))  
16. }  

4.8 编写一个函数minmax(values:Array[Int]),返回数组中最小值和最大值的对偶 

1. def minmax(values:Array[Int])={  
2.   (values.max,values.min)  
3. }  

4.9 编写一个函数Iteqgt(values:Array[int],v:Int),返回数组中小于v,等于v和大于v的数量。要求三个值一起返回 

1. def iteqgt(values:Array[Int],v:Int)={  
2.   val buf = values.toBuffer  
3.   (values.count(_ < v),values.count(_ == v),values.count(_ > v))  
4. }  

4.10 当你将两个字符串拉链在一起，比方"Hello".zip("World")，会是什么结果？想出一个讲得通的用例 
scala> "Hello".zip("World") 
res0: scala.collection.immutable.IndexedSeq[(Char, Char)] = Vector((H,W), (e,o), (l,r), (l,l), (o,d))  
StringOps中的zip定义例如以下 
abstract def zip(that: GenIterable[B]):
StringOps[(A, B)] 

GenIterable是可遍历对象须要包括的trait。对于String来说，它是可遍历的。可是它的遍历是遍历单个字母。 所以拉链就针对每一个字母来进行。

原博客地址:http://www.ivanpig.com/blog/?

p=464