用scala写题目：给定一组键值对("spark",2),("hadoop",6),("hadoop",4),("spark",6)，("spark",1)键值对的key表示图书名称，value表示某天图书销量，请计算每个键对应的平均值，也就是计算每种图书的每天平均销量。

### 回答1：
val data = List(("spark", 2), ("hadoop", 6), ("hadoop", 4), ("spark", 6), ("spark", 1))
val groupedData = data.groupBy(_._1)
val averageData = groupedData.map { case (key, values) =>
val sum = values.map(_._2).sum
val count = values.length
(key, sum / count)
}
println(averageData)

### 回答2：
使用Scala语言可以很方便地实现对给定一组键值对的处理。针对题目中的键值对，我们可以构建一个Map对象来存储每种图书对应的销量列表，然后遍历Map对象，计算每个键对应的平均销量。

具体的代码如下所示：

import scala.collection.mutable

object Main extends App {

  // 给定的键值对
  val data = List(("spark", 2), ("hadoop", 6), ("hadoop", 4), ("spark", 6), ("spark", 1))

  // 使用Map对象存储每种图书对应的销量列表
  val salesMap = mutable.Map[String, List[Int]]().withDefaultValue(List.empty[Int])
  for ((book, sales) <- data) {
    val salesList = salesMap(book)
    salesMap(book) = salesList :+ sales
  }

  // 计算每个键对应的平均销量
  val averageSalesMap = salesMap.mapValues(salesList => salesList.sum.toDouble / salesList.length)

  // 打印结果
  for ((book, averageSales) <- averageSalesMap) {
    println(s"$book 的平均销量为 $averageSales")
  }
}

运行上述代码，输出结果为：

spark 的平均销量为 3.0
hadoop 的平均销量为 5.0

以上代码中，我们首先创建了一个空的Map对象salesMap，利用withDefaultValue方法将该Map的默认值设置为一个空的整型列表。然后，我们遍历给定的键值对列表data，将每个图书对应的销量添加到salesMap中相应的列表中。接下来，我们使用mapValues方法计算每个键对应的平均销量，最后打印输出结果。

### 回答3：
可以使用Scala来解决这个问题，首先我们需要定义一组键值对，然后进行相应的计算。

val bookSales = List(("spark",2), ("hadoop",6), ("hadoop",4), ("spark",6), ("spark",1))

// 首先，我们需要按照键进行分组
val groupedSales = bookSales.groupBy(_._1)

// 然后，对每组的值进行求和，并计算平均值
val averageSales = groupedSales.mapValues{
   values =>
      val sum = values.map(_._2).sum
      val count = values.length
      sum.toDouble / count.toDouble
}

// 输出结果
averageSales.foreach{
   case (book, average) => println(s"图书 $book 的每天平均销量为 $average")
}

上述代码首先将给定的一组键值对存储在一个List中，然后使用`groupBy`方法按照键进行分组。接下来，使用`mapValues`方法对每组的值进行求和，并计算平均值。最后，通过遍历结果进行输出，显示每种图书的每天平均销量。

以上就是使用Scala编写处理给定一组键值对并计算每个键对应的平均值的代码，希望对你有帮助。