交流QQ: 824203453

給定資料，城市和溫度的資料， 求每個城市的平均溫度值。

資料如下：

val d1 = Array(("bj", 28.1), ("sh", 28.7), ("gz", 32.0), ("sz", 33.1))
val d2 = Array(("bj", 27.3), ("sh", 30.1), ("gz", 33.3))
val d3 = Array(("bj", 28.2), ("sh", 29.1), ("gz", 32.0), ("sz", 30.5))

思路：

1，對資料進行合併

2，按照城市進行分組

3，分組後進行聚合統計

1，對資料進行合併的實現： 

使用 ++ 或者 union

    val data: Array[(String, Double)] = d1 ++ d2 ++ d3
   //  val data =  d1 union d2 union d3

2，按照城市進行分組

val grouped: Map[String, Array[(String, Double)]] = data.groupBy(_._1)

聚合實現方式一：

利用mapvalues運算元，分別統計總的溫度，以及月份的次數，然後求得平均溫度

    val result = grouped.mapValues(t => {
      val totalSum = t.map(_._2).sum
      val len = t.length
      totalSum / len
    })

 result.foreach(println)
 

聚合實現方式二：

利用foldLeft來實現，需要注意的是，因為初始值型別是Double，而元素型別是元組型別，所以這裡不能用fold實現

    grouped.mapValues(t=>{
      val sum = t.foldLeft(0d)(_+_._2)
      sum / t.length
    })
//      .foreach(println)

聚合實現方式三：

利用reduce或者reduceLeft 實現。因為reduce和reduceLeft的特性，這裡的元素是元組型別，要求返回值型別也得是元組型別。所以，需要組裝成元組，再取第二個元素。即為溫度總值。然後再除以長度，得到結果值。

    grouped.mapValues(t=>{
      t.reduceLeft((a,b)=>("",a._2 + b._2))._2 / t.length
    })
      .foreach(println)

聚合實現方式四：

利用aggregate實現。同樣需要傳遞一個Double型別的初始值，然後進行統計計算。

    grouped.mapValues(t=>{
      t.aggregate(0d)(_+_._2,_+_) / t.length
    })

結果值：

(gz,32.43333333333333)
(bj,27.86666666666667)
(sz,31.8)

(sh,29.3)

交流QQ: 824203453