Scala：排序子集最合适的数据结构是什么？

Question

给定一个 T 类型（例如 Vector 或 List）元素的大型集合（我们称之为“a”）和评估函数“f”（例如，(T) => Double）我想推导出来自“a”的结果集合“b”，其中包含“a”的 N 个元素，这些元素导致 f 下的最大值。集合“a”可能包含重复项。未排序。

也许暂时搁置可并行性（map/reduce 等）的问题，用于编译结果集合“b”的合适 Scala 数据结构是什么？感谢您的任何指示/想法。

注意事项：

(1) 我想我的用例可以最简洁地表达为

val a = Vector( 9,2,6,1,7,5,2,6,9 ) // just an example
val f : (Int)=>Double = (n)=>n      // evaluation function
val b = a.sortBy( f ).take( N )     // sort, then clip

除了我不想对整个集合进行排序。

(2) 一个选项可能是对“a”的迭代，它用“手动”大小边界填充 TreeSet（拒绝比集合中最差的项目更糟糕的任何内容，不要让集合增长超过 N）。但是，我想在结果集中保留原始集中存在的重复项，因此这可能行不通。

(3) 如果有序多集是正确的数据结构，是否有 Scala 实现？或者二进制排序的向量或数组，如果结果集相当小？

Answer 1

您可以使用优先级队列：

def firstK[A](xs: Seq[A], k: Int)(implicit ord: Ordering[A]) = {
  val q = new scala.collection.mutable.PriorityQueue[A]()(ord.reverse)
  val (before, after) = xs.splitAt(k)
  q ++= before
  after.foreach(x => q += ord.max(x, q.dequeue))
  q.dequeueAll
}

我们用第一个 k 元素填充队列，然后将每个附加元素与队列的头部进行比较，并根据需要进行交换。这可以按预期工作并保留重复项：

scala> firstK(Vector(9, 2, 6, 1, 7, 5, 2, 6, 9), 4)
res14: scala.collection.mutable.Buffer[Int] = ArrayBuffer(6, 7, 9, 9)

而且它不会对完整列表进行排序。在这个实现中我有一个Ordering，但调整它以使用评估函数将非常简单。