使用Java流从整数列表计算累积和列表

我有以下清单：

 INPUT :: 4 5 8 -11 9 5 -7 4 6 -6 -8 -11 80 -32 -56 -15 5 -49 

 OUTPUT :: 4 9 17 6 15 20 13 17 23 17 9 -2 78 46 -10 -25 -20 -69

我需要计算累计总和列表的含义

T(n) = T(n) + T(n-1) for n >0; 
and
T(0) = T(0)

我想用Java流API来计算，这样我就可以用Spark来实现大数据计算。我对Java流很幼稚，我已经尝试了几个表达式，但它们都不起作用 等效结构代码应如下所示：

int[] numbers = {4, 5, 8, -11, 9, 5, -7, 4, 6,-6, -8, -11, 80, -32, -56, -15, 5, -49};
int temp = 0;

for (int i = 0 ; i < numbers.length ; i++) {
   temp = temp + numbers[i];
   numbers[i] = temp;
}

int[]数字={4,5,8，-11,9,5，-7,4,6，-6，-8，-11,80，-32，-56，-15,5，-49}；
内部温度=0；
for（int i=0；i

试试这个

int[] a = {4, 5, 8, -11, 9, 5, -7, 4, 6, -6, -8, -11, 80, -32, -56, -15, 5, -49};
Arrays.parallelPrefix(a, (x, y) -> x + y);
System.out.println(Arrays.toString(a));

输出：

[4, 9, 17, 6, 15, 20, 13, 17, 23, 17, 9, -2, 78, 46, -10, -25, -20, -69]

试试这个

int[] a = {4, 5, 8, -11, 9, 5, -7, 4, 6, -6, -8, -11, 80, -32, -56, -15, 5, -49};
Arrays.parallelPrefix(a, (x, y) -> x + y);
System.out.println(Arrays.toString(a));

输出：

[4, 9, 17, 6, 15, 20, 13, 17, 23, 17, 9, -2, 78, 46, -10, -25, -20, -69]

---

这里有两种方法

第一种方法效率很低，因为它基本上使用嵌套循环来累积值。第一个

IntStream

指定值的范围，嵌套的IntStream创建一个变量范围，并将值从0累加到该范围的末尾

int[] result1 = IntStream.range(0, vals.length).map(
        i -> IntStream.rangeClosed(0, i).map(k->vals[k]).reduce(0, (a, b) -> a + b))
        .toArray();

这个方法更符合传统的方法。流式处理单个0数组，然后使用该数组来累积值的运行总和

int[] result2 = Stream.of(new int[] { 0 })
        .flatMapToInt(k -> IntStream.of(vals).map(v -> {
            k[0] += v;
            return k[0];
        })).toArray();

System.out.println(Arrays.toString(result1));
System.out.println(Arrays.toString(result2));

都是印刷品

[4, 9, 17, 6, 15, 20, 13, 17, 23, 17, 9, -2, 78, 46, -10, -25, -20, -69]
[4, 9, 17, 6, 15, 20, 13, 17, 23, 17, 9, -2, 78, 46, -10, -25, -20, -69]

但你做得再好不过了

for (int i = 1; i < vals.length; i++) {
      vals[i] += vals[i-1];
}

for（int i=1；i

---

底线是坚持你所拥有的。

这里有两种方法

第一种方法效率很低，因为它基本上使用嵌套循环来累积值。第一个

IntStream

指定值的范围，嵌套的IntStream创建一个变量范围，并将值从0累加到该范围的末尾

int[] result1 = IntStream.range(0, vals.length).map(
        i -> IntStream.rangeClosed(0, i).map(k->vals[k]).reduce(0, (a, b) -> a + b))
        .toArray();

这个方法更符合传统的方法。流式处理单个0数组，然后使用该数组来累积值的运行总和

int[] result2 = Stream.of(new int[] { 0 })
        .flatMapToInt(k -> IntStream.of(vals).map(v -> {
            k[0] += v;
            return k[0];
        })).toArray();

System.out.println(Arrays.toString(result1));
System.out.println(Arrays.toString(result2));

都是印刷品

[4, 9, 17, 6, 15, 20, 13, 17, 23, 17, 9, -2, 78, 46, -10, -25, -20, -69]
[4, 9, 17, 6, 15, 20, 13, 17, 23, 17, 9, -2, 78, 46, -10, -25, -20, -69]

但你做得再好不过了

for (int i = 1; i < vals.length; i++) {
      vals[i] += vals[i-1];
}

for（int i=1；i

---

底线是坚持你所拥有的。

你可以尝试使用自定义收集器

public static void main(String[] args) {
       List<Integer> integers = Arrays.asList(1, 2, 3, 4, 5);
       List<Integer> cumulatives = integers.stream().collect(CumulativeAdd.collector());
}
     private static final class CumulativeAdd {

       List<Integer> retArray= new ArrayList<>();
       int sum = 0; 

       public void accept(Integer num) {
           sum +=num;
           retArray.add(sum);
       }

       public CumulativeAdd combine(CumulativeAdd other) {
           throw new UnsupportedOperationException("Parallel Stream not supported");
       }

       public List<Integer> finish() {
           return retArray;
       }

       public static Collector<Integer, ?, List<Integer>> collector() {
           return Collector.of(CumulativeAdd::new, CumulativeAdd::accept, CumulativeAdd::combine, CumulativeAdd::finish);
       }

   }

publicstaticvoidmain（字符串[]args）{
List integers=Arrays.asList（1,2,3,4,5）；
List cumulatives=integers.stream（）.collect（cumulativead.collector（））；
}
私有静态最终类累积EADD{
List-retArray=new-ArrayList（）；
整数和=0；
公共void接受（整数num）{
sum+=num；
重新排列。添加（总和）；
}
公共累积EADD联合收割机（累积EADD其他）{
抛出新的UnsupportedOperationException（“不支持并行流”）；
}
公共列表完成（）{
返回重新排列；
}
公共静态收集器（）{
返回Collector.of（cumulativead:：new，cumulativead:：accept，cumulativead:：combine，cumulativead:：finish）；
}
}

您可以尝试使用自定义收集器

public static void main(String[] args) {
       List<Integer> integers = Arrays.asList(1, 2, 3, 4, 5);
       List<Integer> cumulatives = integers.stream().collect(CumulativeAdd.collector());
}
     private static final class CumulativeAdd {

       List<Integer> retArray= new ArrayList<>();
       int sum = 0; 

       public void accept(Integer num) {
           sum +=num;
           retArray.add(sum);
       }

       public CumulativeAdd combine(CumulativeAdd other) {
           throw new UnsupportedOperationException("Parallel Stream not supported");
       }

       public List<Integer> finish() {
           return retArray;
       }

       public static Collector<Integer, ?, List<Integer>> collector() {
           return Collector.of(CumulativeAdd::new, CumulativeAdd::accept, CumulativeAdd::combine, CumulativeAdd::finish);
       }

   }

publicstaticvoidmain（字符串[]args）{
List integers=Arrays.asList（1,2,3,4,5）；
List cumulatives=integers.stream（）.collect（cumulativead.collector（））；
}
私有静态最终类累积EADD{
List-retArray=new-ArrayList（）；
整数和=0；
公共void接受（整数num）{
sum+=num；
重新排列。添加（总和）；
}
公共累积EADD联合收割机（累积EADD其他）{
抛出新的UnsupportedOperationException（“不支持并行流”）；
}
公共列表完成（）{
返回重新排列；
}
公共静态收集器（）{
返回Collector.of（cumulativead:：new，cumulativead:：accept，cumulativead:：combine，cumulativead:：finish）；
}
}

Stream API在这里没有任何好处。spark和Lamanus之间有什么关系？@Lamanus我可以使用这个解决方案，并在中对JavaRDD进行一些dat atype更改Spark@Nikolas，我对流API完全陌生，你能帮我理解为什么流不能工作吗？如何以功能性的方式实现此逻辑？@NilKulkarni-Streams将起作用。但是没有额外的好处，事实上增加了额外的开销。流API在这里没有任何好处。spark与spark之间有什么关系？@Lamanus我可以使用这个解决方案，并在中对JavaRDD进行一些dat atype更改Spark@Nikolas，我对流API完全陌生，你能帮我理解为什么流不能工作吗？如何以功能性的方式实现此逻辑？@NilKulkarni-Streams将起作用。但这并没有额外的好处，事实上也增加了额外的开销。谢谢，但我没有足够的声誉。当然，这是一种优于streams的方法。但是OP确实指定了一个流解决方案。谢谢，但我不能进行升级投票，我没有足够的声誉。当然，与流相比，我更喜欢这种方法。但是OP确实指定了一个流解决方案。谢谢。这让我大开眼界，溪流可能不会每次都带来好处。谢谢。这让我大开眼界，溪流可能不会每次都带来好处。。