0

我目前正在学习使用 Ramda.js 的传感器。（太有趣了，耶！）

我发现这个问题描述了如何首先过滤数组，然后使用传感器对其中的值求和。

我想做一些类似但不同的事情。我有一组具有时间戳的对象，我想平均时间戳。像这样的东西：

const createCheckin = ({
  timestamp = Date.now(), // default is now
  startStation = 'foo',
  endStation = 'bar'
} = {}) => ({timestamp, startStation, endStation});

const checkins = [
  createCheckin(),
  createCheckin({ startStation: 'baz' }),
  createCheckin({ timestamp: Date.now() + 100 }), // offset of 100
];

const filterCheckins = R.filter(({ startStation }) => startStation === 'foo');
const mapTimestamps = R.map(({ timestamp }) => timestamp);

const transducer = R.compose(
  filterCheckins,
  mapTimestamps,
);

const average = R.converge(R.divide, [R.sum, R.length]);

R.transduce(transducer, average, 0, checkins);
// Should return something like Date.now() + 50, giving the 100 offset at the top.

当然average，正如上面所说的那样，它不能工作，因为变换函数的工作方式就像一个减少。

我发现我可以在换能器之后一步完成。

const timestamps = R.transduce(transducer,  R.flip(R.append), [], checkins);
average(timestamps);

但是，我认为必须有一种方法可以使用迭代器函数（转换器的第二个参数）来做到这一点。你怎么能做到这一点？或者也许average必须是transducer（使用compose）的一部分？

4

2 回答 2

2

作为第一步，您可以创建一个简单的类型以允许合并平均值。这需要保持对被平均的项目的总和和数量进行统计。

const Avg = (sum, count) => ({ sum, count })

// creates a new `Avg` from a given value, initilised with a count of 1
Avg.of = n => Avg(n, 1)

// takes two `Avg` types and combines them together
Avg.append = (avg1, avg2) =>
  Avg(avg1.sum + avg2.sum, avg1.count + avg2.count)

有了这个，我们可以将注意力转向创建将结合平均值的转换器。

首先，一个简单的辅助函数允许将值转换为我们的Avg类型，并且还包装了一个 reduce 函数以默认为它接收到的第一个值，而不是要求提供初始值（平均值不存在一个好的初始值，所以我们将只使用第一个值）

const mapReduce1 = (map, reduce) =>
  (acc, n) => acc == null ? map(n) : reduce(acc, map(n))

然后，转换器只需要组合这些Avg值，然后将结果平均值从结果中提取出来。nullnb在转换器在空列表上运行的情况下，结果需要保护值。

const avgXf = {
  '@@transducer/step': mapReduce1(Avg.of, Avg.append),
  '@@transducer/result': result =>
    result == null ? null : result.sum / result.count
}

然后，您可以将其作为累加器函数传递给transduce，它应该会产生结果平均值。

transduce(transducer, avgXf, null, checkins)
于 2021-09-18T02:52:27.820 回答
1

恐怕这让我感到很困惑。

我认为传感器是一种将组合函数的步骤组合到值序列上的方法，这样您就可以只迭代序列一次。

average在这里没有意义。要取平均值，您需要整个系列。

因此，您可以转换值的过滤和映射。但是您绝对需要单独进行平均。请注意，filterthenmap是一种足够常见的模式，周围有很多filterMap函数。Ramda 没有，但这会很好：

const filterMap = (f, m) => (xs) =>
  xs .flatMap (x => f (x) ? [m (x)] : [])

然后将像这样使用：

filterMap (
  propEq ('startStation', 'foo'), 
  prop ('timestamp')
) (checkins)

但是对于更复杂的转换序列，传感器当然可以满足要求。

我还建议，如果可以，您应该使用lift而不是converge. 它是一个更标准的 FP 函数，并且适用于更抽象的数据类型。在这里const average = lift (divide) (sum, length)可以正常工作。

于 2021-09-15T23:53:27.213 回答