Scala中对超长List[Double]求平均避免出现Infinity的方案

你遇到的核心问题是Double类型的数值范围限制：Double的最大值约为1.7976931348623157E308，当你的列表元素数量多且单个数值较大时，求和会超出这个上限，直接变成Infinity，后续除以长度自然还是Infinity。下面给你两种实用的解决方案，你可以根据场景选择：

方案一：用BigDecimal高精度求和 #

BigDecimal支持任意精度的数值计算，不会出现溢出问题。我们可以先把每个Double转成BigDecimal求和，再计算平均值后转回Double（如果结果在Double范围内）：

def applyToMap(list: Map[String, List[Map[String, String]]], f: Map[String, String] => Double): Map[String, Double] = {
  list.mapValues { lm =>
    // 将每个Double转换为BigDecimal
    val bigDecList = lm.map(f).map(BigDecimal(_))
    // 求和后计算平均值，再转回Double
    (bigDecList.sum / bigDecList.size).toDouble
  }
}

注意：如果最终平均值超出Double的范围，转成Double还是会得到Infinity，但这种情况比直接用Double求和溢出的概率低得多——毕竟BigDecimal没有固定的数值上限。

方案二：增量式计算平均值（推荐） #

不需要先计算总和，而是通过迭代逐步更新平均值，完全避免大数值求和的溢出问题。核心公式是：
新平均值 = 当前平均值 + (新数值 - 当前平均值) / 当前元素总数+1

实现代码如下，还处理了空列表的边界情况（避免除以0得到NaN）：

def applyToMap(list: Map[String, List[Map[String, String]]], f: Map[String, String] => Double): Map[String, Double] = {
  list.mapValues { lm =>
    val doubleList = lm.map(f)
    doubleList match {
      case Nil => 0.0 // 空列表可以自定义返回值，比如NaN或者0.0
      case first :: rest =>
        // 用foldLeft迭代更新平均值和计数
        rest.foldLeft((first, 1.0)) { case ((currAvg, count), num) =>
          val newCount = count + 1
          val newAvg = currAvg + (num - currAvg) / newCount
          (newAvg, newCount)
        }._1
    }
  }
}

这种方法不仅解决了溢出问题，还节省了存储总和的内存，计算效率也更高，适合处理超长列表。

内容的提问来源于stack exchange，提问作者Sam B