如何根据指定分箱范围将Scala集合划分为对应子集？

需求说明 #

我们有一个包含大量Sample实例的List，每个Sample包含id（String）和value（Double）属性，需要根据给定的分箱范围列表List(5,50,100)，将样本划分为以下有序分组：

1. 值为0的样本
2. 值大于0且≤5的样本
3. 值大于5且≤50的样本
4. 值大于50且≤100的样本
5. 值大于100的样本

基础实现方案（直观易读） #

这种方案代码简洁直观，适合样本量中等的场景：

case class Sample(id: String, value: Double)

val samples: List[Sample] = List(
  Sample("a", 0),
  Sample("b", 2),
  Sample("c", 20),
  Sample("d", 50),
  Sample("e", 100),
  Sample("f", 1000)
)

val buckets = List(5, 50, 100)

// 一次遍历分离0值样本和非0样本
val (zeroGroup, nonZeroSamples) = samples.partition(_.value == 0)

// 构建完整的分箱区间：(0,5], (5,50], (50,100], (100, +∞)
val bucketIntervals = (0.0 +: buckets).zip(buckets) :+ (buckets.last, Double.PositiveInfinity)

// 按区间筛选非0样本，保持分组顺序
val nonZeroGroups = bucketIntervals.map { case (lower, upper) =>
  nonZeroSamples.filter(s => s.value > lower && s.value <= upper)
}

// 合并所有分组得到最终结果
val result = zeroGroup :: nonZeroGroups

高性能实现方案（适合超大规模样本） #

当处理百万级以上的大列表时，减少遍历次数能显著提升性能，以下方案通过groupBy仅遍历非0样本一次：

case class Sample(id: String, value: Double)

val samples: List[Sample] = List(
  Sample("a", 0),
  Sample("b", 2),
  Sample("c", 20),
  Sample("d", 50),
  Sample("e", 100),
  Sample("f", 1000)
)

val buckets = List(5, 50, 100)

// 分离0值样本
val (zeroGroup, nonZeroSamples) = samples.partition(_.value == 0)

// 给每个非0样本分配对应的分箱索引
val indexedGroups = nonZeroSamples.groupBy { sample =>
  // 找到第一个≥样本值的分箱位置，无匹配则分配到最后一个分组
  buckets.indexWhere(_ >= sample.value) match {
    case -1 => buckets.size
    case idx => idx
  }
}

// 按分箱顺序提取分组，确保结果有序
val nonZeroGroups = (0 to buckets.size).map(idx => indexedGroups.getOrElse(idx, Nil)).toList

// 合并结果
val result = zeroGroup :: nonZeroGroups

结果验证 #

两种方案最终得到的result都与需求输出完全一致：

List(
  List(Sample("a", 0)),
  List(Sample("b", 2)),
  List(Sample("c", 20), Sample("d", 50)),
  List(Sample("e", 100)),
  List(Sample("f", 1000))
)

内容的提问来源于stack exchange，提问作者jbogart