flatMap은 filter+map의 역할을 할 수 있다. 

filter를 먼저하고, map을 하는 일반적인 코딩이다.

val list = List(1,2,3,4,5,6,7,8,9,10)
val result = list.filter(
  x => 0 == (x % 2)
).map(
  x => x + 1
)

println(result)

결과는 다음과 같다. 

flatMap과 if문으로 변환하면 다음과 같다. 

val flatMapResult = list.flatMap(x =>
  if (0 == (x % 2)) {
    Some(x+1)
  } else {
    None
  }
)

println(flatMapResult)

결과는 위와 동일하고, 훨씬 깔끔한 느낌이다.

filter->map을 쓰는 조합에서 flatMap으로 바꿔야 했던 사례가 있었다.

Spark으로 대용량 처리하던 중, 

filter에서 사용하고, map에서도 사용해야 하는 중복 코드가 발생할 수 있는데, 이를 깔끔하게 중복처리하지 않으려면, flatMap을 사용하면 중복 코드가 발생하지 않는다. 

scala는 groupBy api를 제공한다. 정확히 말하면, TraserableLike.groupBy을 사용할 수 있다.

println("java scala".trim.groupBy(identity))

identity는 정의된 함수를 사용하여 단어별로 groupBy를 할 수 있다.

def identity[A](x: A): A         = x// @see `conforms` for the implicit version

groupBy 결과는 다음과 같다.

카운트를 계산하기 위해서는 mapValues를 이용해 본다. 

println("java scala".trim.groupBy(identity).mapValues(_.size).toVector)

결과는 다음과 같다.

3 개의 값을 가진 튜플에 대해서 groupBy를 호출한다. 

val list = Seq(("one", "i", "char"), ("two", "2", "num"), 
               ("two", "ii", "char"), ("one", "1", "num"), 
               ("four", "iv", "char"),  ("five", "iv", "char"))

val v = list.groupBy(_._3)
println(v)

val values = list.groupBy(_._3).mapValues(_.map(_._2))
println(values)

첫 번째 groupBy 결과는 다음과 같다.

두 번째 groupBy-mapValues 결과는 다음과 같다.

키 별 개수를 알고 싶다면, 다음과 같은 코드를 사용할 수 있다.

val values1 = list.groupBy(_._3).map(t => (t._1, t._2.length))
println(values1)