映射产生的新流会包含原先的数据吗

映射操作并不会改变原始流，它会创建一个新的流。当你对原始流应用映射操作，如`map()`, 新流包含了经过处理后的元素，而不是原始数据的副本。换句话说，原始流仍然是原始的数据结构，而映射操作返回的是基于这些原始数据的一个全新的、处理过的流。

例如，如果我们有一个字符串列表，并使用`map()`将每个字符串转换为大写，虽然我们得到了一个大写字母的新列表，但原始的字符串列表保持不变：

List<String> originalList = Arrays.asList("hello", "world");
List<String> upperCaseList = originalList.stream()
                                    .map(String::toUpperCase)
                                    .collect(Collectors.toList());
System.out.println(originalList); // 输出: [hello, world]
System.out.println(upperCaseList); // 输出: [HELLO, WORLD]

相关问题

MinMaxScaler(-1，1)归一方法举例子说明,是把原先的数据按等比例缩放到-1,1的区间内吗

MinMaxScaler是一种常用的特征缩放方法，在数据分析和机器学习中广泛使用。当你应用`MinMaxScaler`（范围限制为-1到1）对一组数值数据进行预处理时，它的目的是将所有特征值缩放到0到1之间的区间，并且再乘以2减去1，这样最终就会映射到-1到1的范围内。这个过程可以表示为：

假设我们有一个原始数据集`data`，它包含一些数值变量`x`：

original_data = [5, 10, 20, 30, ...]

经过`MinMaxScaler`处理后的结果会是这样的：

1. 找出每个特征的最小值（min_value）和最大值（max_value）。

   min_value_x = min(original_data)
   max_value_x = max(original_data)

2. 对每个特征值`x_i`，计算归一化后的值：

   normalized_value_x_i = (x_i - min_value_x) / (max_value_x - min_value_x)

3. 将标准化后的值转换到-1到1的范围：

   scaled_value_x_i = 2 * normalized_value_x_i - 1

因此，`scaled_value_x_i`就是对应于`x_i`在-1到1区间内的值了。