Ramda.js换能器:得到的数字数组的平均值

Question

我目前正在学习使用Ramda.js的传感器。(太有趣了，耶！)

我发现this question that描述了如何首先过滤数组，然后使用换能器来总结数组中的值。

我想做些类似的事，但不一样。我有一个具有时间戳的对象数组，我希望平均出时间戳。就像这样：

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，上面的average不能工作，因为转换函数的工作方式就像一个约简。

我发现我可以在换能器之后的一步内完成。

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

但是，我认为一定有一种方法可以用迭代器函数(换能器的第二个参数)来实现这一点。你怎么能做到这一点？或者average必须是transducer的一部分(使用compose)？

Answer 1

恐怕这让我觉得很困惑。

我认为换能器是将组合函数的步骤组合在值序列上的一种方法，这样您就只能迭代一次序列。

average在这里没有任何意义。要平均下来，你需要整个收藏。

因此，您可以转换值的过滤和映射。但是你绝对需要分别进行平均化。请注意，filter然后map是一个足够常见的模式，因此有大量的filterMap函数。兰达没有，但这样做很好：

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

然后就会像这样使用：

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

但是对于更复杂的变换序列，换能器当然可以满足要求。

我还建议，如果可能的话，应该使用lift而不是converge。它是一个更标准的FP函数，并且工作在更抽象的数据类型上。在这里，const average = lift (divide) (sum, length)会工作得很好。

Answer 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。这需要对平均项的总数和数量保持一个运行记录。

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)

这样，我们就可以将注意力转向创建将平均值组合在一起的转换器。

首先，一个简单的帮助函数，它允许将值转换为我们的Avg类型，并将一个约简函数封装为它接收到的第一个值，而不是要求提供一个初始值(平均值不存在一个很好的初始值，因此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Avg值，然后从结果中提取结果平均值。n.b.在转换器在空列表上运行的情况下，结果需要保护null值。

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

然后，您可以将它作为累加器函数传递给transduce，它将产生结果的平均值。

transduce(transducer, avgXf, null, checkins)