Java8 Stream集合的筛选、归约、分组、聚合讲解

发布时间:2024年01月09日

目录

1 Stream概述

2 Stream的创建

3 Stream的使用

3.1 Optional

3.2 案例

3.2.1 遍历/匹配(foreach/find/match)

3.2.2 筛选(filter)

3.2.3 聚合(max/min/count)

3.2.4 映射(map/flatMap)

3.2.5 归约(reduce)

3.2.6 收集(collect)

3.2.6.1 归集(toList/toSet/toMap)

3.2.6.2 统计(count/averaging)

3.2.6.3 分组(partitioningBy/groupingBy)

3.2.6.4 接合(joining)

3.2.6.5 归约(reducing)

3.2.7 排序(sorted)

3.2.8 提取/组合


先贴上几个案例:

从员工集合中筛选出salary大于8000的员工,并放置到新的集合里。

统计员工的最高薪资、平均薪资、薪资之和。

将员工按薪资从高到低排序,同样薪资者年龄小者在前。

将员工按性别分类,将员工按性别和地区分类,将员工按薪资是否高于8000分为两部分。

用传统的迭代处理也不是很难,但代码就显得冗余了,跟Stream相比高下立判。

1 Stream概述

Java 8 是一个非常成功的版本,这个版本新增的Stream,配合同版本出现的 Lambda ,给我们操作集合(Collection)提供了极大的便利。

那么什么是Stream?

Stream将要处理的元素集合看作一种流,在流的过程中,借助Stream API对流中的元素进行操作,比如:筛选、排序、聚合等

Stream可以由数组或集合创建,对流的操作分为两种:

  1. 中间操作,每次返回一个新的流,可以有多个。
  2. 终端操作,每个流只能进行一次终端操作,终端操作结束后流无法再次使用。终端操作会产生一个新的集合或值。

另外,Stream有几个特性:

stream不存储数据,而是按照特定的规则对数据进行计算,一般会输出结果。

stream不会改变数据源,通常情况下会产生一个新的集合或一个值。

stream具有延迟执行特性,只有调用终端操作时,中间操作才会执行。

2 Stream的创建

Stream可以通过集合数组创建。

1、通过 java.util.Collection.stream() 方法用集合创建流

List<String> list = Arrays.asList("a", "b", "c");

// 创建一个顺序流
Stream<String> stream = list.stream();

// 创建一个并行流
Stream<String> parallelStream = list.parallelStream();

2、使用java.util.Arrays.stream(T[] array)方法用数组创建流

int[] array={1,3,5,6,8};
IntStream stream = Arrays.stream(array);

3、使用Stream的静态方法:of()、iterate()、generate()

Stream<Integer> stream = Stream.of(1, 2, 3, 4, 5, 6);

Stream<Integer> stream2 = Stream.iterate(0, (x) -> x + 3).limit(4);

stream2.forEach(System.out::println);

Stream<Double> stream3 = Stream.generate(Math::random).limit(3);

stream3.forEach(System.out::println);

输出结果:

0 3 6 9

0.6796156909271994

0.1914314208854283

0.8116932592396652

stream和parallelStream的简单区分: stream是顺序流,由主线程按顺序对流执行操作,而parallelStream是并行流,内部以多线程并行执行的方式对流进行操作,但前提是流中的数据处理没有顺序要求。例如筛选集合中的奇数,两者的处理不同之处:

如果流中的数据量足够大,并行流可以加快处速度。

除了直接创建并行流,还可以通过parallel()把顺序流转换成并行流:

Optional<Integer> findFirst = list.stream().parallel().filter(x->x>6).findFirst();

3 Stream的使用

3.1 Optional

在使用stream之前,先理解一个概念:Optional。

Optional类是一个可以为null的容器对象。如果值存在则isPresent()方法会返回true,调用get()方法会返回该对象。

Optional 是个容器:它可以保存类型T的值,或者仅仅保存null。Optional提供很多有用的方法,这样我们就不用显式进行空值检测。

Optional 类的引入很好的解决空指针异常。

类声明

以下是一个?java.util.Optional<T>?类的声明:

public final class Optional<T> extends Object

类方法

序号

方法 & 描述

1

static <T> Optional<T> empty()

返回空的 Optional 实例。

2

boolean equals(Object obj)

判断其他对象是否等于 Optional。

3

Optional<T> filter(Predicate<? super <T> predicate)

如果值存在,并且这个值匹配给定的 predicate,返回一个Optional用以描述这个值,否则返回一个空的Optional。

4

<U> Optional<U> flatMap(Function<? super T,Optional<U>> mapper)

如果值存在,返回基于Optional包含的映射方法的值,否则返回一个空的Optional

5

T get()

如果在这个Optional中包含这个值,返回值,否则抛出异常:NoSuchElementException

6

int hashCode()

返回存在值的哈希码,如果值不存在 返回 0。

7

void ifPresent(Consumer<? super T> consumer)

如果值存在则使用该值调用 consumer , 否则不做任何事情。

8

boolean isPresent()

如果值存在则方法会返回true,否则返回 false。

9

<U>Optional<U> map(Function<? super T,? extends U> mapper)

如果有值,则对其执行调用映射函数得到返回值。如果返回值不为 null,则创建包含映射返回值的Optional作为map方法返回值,否则返回空Optional。

10

static <T> Optional<T> of(T value)

返回一个指定非null值的Optional。

11

static <T> Optional<T> ofNullable(T value)

如果为非空,返回 Optional 描述的指定值,否则返回空的 Optional。

12

T orElse(T other)

如果存在该值,返回值, 否则返回 other。

13

T orElseGet(Supplier<? extends T> other)

如果存在该值,返回值, 否则触发 other,并返回 other 调用的结果。

14

<X extends Throwable> T orElseThrow(Supplier<? extends X> exceptionSupplier)

如果存在该值,返回包含的值,否则抛出由 Supplier 继承的异常

15

String toString()

返回一个Optional的非空字符串,用来调试

注意:?这些方法是从?java.lang.Object?类继承来的。

Optional 实例

我们可以通过以下实例来更好的了解 Optional 类的使用:

Java8Tester.java 文件

import java.util.Optional;

 

public class Java8Tester {

   public static void main(String args[]){

      Java8Tester java8Tester = new Java8Tester();
      Integer value1 = null;
      Integer value2 = new Integer(10);

      // Optional.ofNullable - 允许传递为 null 参数
      Optional<Integer> a = Optional.ofNullable(value1); 

      // Optional.of - 如果传递的参数是 null,抛出异常 NullPointerException
      Optional<Integer> b = Optional.of(value2);
      System.out.println(java8Tester.sum(a,b));

   }

   

   public Integer sum(Optional<Integer> a, Optional<Integer> b){

      // Optional.isPresent - 判断值是否存在
      System.out.println("第一个参数值存在: " + a.isPresent());
      System.out.println("第二个参数值存在: " + b.isPresent());

      
      // Optional.orElse - 如果值存在,返回它,否则返回默认值
      Integer value1 = a.orElse(new Integer(0));

      //Optional.get - 获取值,值需要存在
      Integer value2 = b.get();
      return value1 + value2;

   }

}

执行以上脚本,输出结果为:

$ javac Java8Tester.java 

$ java Java8Tester

第一个参数值存在: false

第二个参数值存在: true

10

3.2 案例

下面的案例列出Stream功能,可以看下了解下。

这是后面案例中使用的员工类:

class Person {

    private String name;  // 姓名
    private int salary; // 薪资
    private int age; // 年龄
    private String sex; //性别
    private String area;  // 地区

    // 构造方法
    public Person(String name, int salary, int age,String sex,String area) {
           this.name = name;
           this.salary = salary;
           this.age = age;
           this.sex = sex;
           this.area = area;

    }
    // 省略了get和set,请自行添加


}

3.2.1 遍历/匹配(foreach/find/match)

Stream也是支持类似集合的遍历和匹配元素的,只是Stream中的元素是以Optional类型存在的。Stream的遍历、匹配非常简单。

// import已省略,请自行添加,后面代码亦是

public class StreamTest {

    public static void main(String[] args) {

        List<Integer> list = Arrays.asList(7, 6, 9, 3, 8, 2, 1);

        // 遍历输出符合条件的元素
        list.stream().filter(x -> x > 6).forEach(System.out::println);

        // 匹配第一个
        Optional<Integer> findFirst = list.stream().filter(x -> x > 6).findFirst();

        // 匹配任意(适用于并行流)
        Optional<Integer> findAny = list.parallelStream().filter(x -> x > 6).findAny();

        // 是否包含符合特定条件的元素
        boolean anyMatch = list.stream().anyMatch(x -> x > 6);

        System.out.println("匹配第一个值:" + findFirst.get());

        System.out.println("匹配任意一个值:" + findAny.get());

        System.out.println("是否存在大于6的值:" + anyMatch);

    }

}
3.2.2 筛选(filter)

筛选,是按照一定的规则校验流中的元素,将符合条件的元素提取到新的流中的操作。

案例一:筛选出Integer集合中大于7的元素,并打印出来

public class StreamTest {
??? public static void main(String[] args) {

?????????? List<Integer> list = Arrays.asList(6, 7, 3, 8, 1, 2, 9);
?????????? Stream<Integer> stream = list.stream();
?????????? stream.filter(x -> x > 7).forEach(System.out::println);
??? }

}

预期结果:

8 9

案例二: 筛选员工中工资高于8000的人,并形成新的集合。 形成新集合依赖collect(收集),后文有详细介绍。

public class StreamTest {

??? public static void main(String[] args) {

?????????? List<Person> personList = new ArrayList<Person>();
?????????? personList.add(new Person("Tom", 8900, 23, "male", "New York"));
?????????? personList.add(new Person("Jack", 7000, 25, "male", "Washington"));
?????????? personList.add(new Person("Lily", 7800, 21, "female", "Washington"));
?????????? personList.add(new Person("Anni", 8200, 24, "female", "New York"));
?????????? personList.add(new Person("Owen", 9500, 25, "male", "New York"));
?????????? personList.add(new Person("Alisa", 7900, 26, "female", "New York"));

?????????? List<String> fiterList = personList.stream().filter(x -> x.getSalary() > 8000).map(Person::getName)
???????????????????????? .collect(Collectors.toList());

?????????? System.out.print("薪资高于8000美元的员工:" + fiterList);

??? }

}

运行结果:

薪资高于8000美元的员工:[Tom, Anni, Owen]

3.2.3 聚合(max/min/count)

max、min、count这些字眼你一定不陌生,没错,在mysql中我们常用它们进行数据统计。Java stream中也引入了这些概念和用法,极大地方便了我们对集合、数组的数据统计工作。

案例一:获取String集合中最长的元素。

public class StreamTest {
??? public static void main(String[] args) {

?????????? List<String> list = Arrays.asList("adnm", "admmt", "pot", "xbangd", "weoujgsd");
?????????? Optional<String> max = list.stream().max(Comparator.comparing(String::length));
?????????? System.out.println("最长的字符串:" + max.get());
??? }
}

输出结果:

最长的字符串:weoujgsd

案例二:获取Integer集合中的最大值。

public class StreamTest {
??? public static void main(String[] args) {
?????????? List<Integer> list = Arrays.asList(7, 6, 9, 4, 11, 6);

?????????? // 自然排序
?????????? Optional<Integer> max = list.stream().max(Integer::compareTo);

?????????? // 自定义排序(从大到小排序)
?????????? Optional<Integer> max2 = list.stream().max((o1, o2) -> o2 - o1);

?????????? System.out.println("自然排序的最大值:" + max.get());
?????????? System.out.println("自定义排序的最大值:" + max2.get());

??? }

}

输出结果:

自然排序的最大值:11

自定义排序的最大值:4

案例三:获取员工薪资最高的人。

public class StreamTest {
??? public static void main(String[] args) {
?????????? List<Person> personList = new ArrayList<Person>();
?????????? personList.add(new Person("Tom", 8900, 23, "male", "New York"));
?????????? personList.add(new Person("Jack", 7000, 25, "male", "Washington"));
?????????? personList.add(new Person("Lily", 7800, 21, "female", "Washington"));
?????????? personList.add(new Person("Anni", 8200, 24, "female", "New York"));
?????????? personList.add(new Person("Owen", 9500, 25, "male", "New York"));
?????????? personList.add(new Person("Alisa", 7900, 26, "female", "New York"));

?????????? Optional<Person> max = personList.stream().max(Comparator.comparingInt(Person::getSalary));
?????????? System.out.println("员工薪资最大值:" + max.get().getSalary());
??? }
}

输出结果:

员工薪资最大值:9500

案例四:计算Integer集合中大于6的元素的个数。

import java.util.Arrays;
import java.util.List;
public class StreamTest {

??? public static void main(String[] args) {
?????????? List<Integer> list = Arrays.asList(7, 6, 4, 8, 2, 11, 9);
?????????? long count = list.stream().filter(x -> x > 6).count();
?????????? System.out.println("list中大于6的元素个数:" + count);
??? }

}

输出结果:

list中大于6的元素个数:4

3.2.4 映射(map/flatMap)

映射,可以将一个流的元素按照一定的映射规则映射到另一个流中。分为map和flatMap:

map:接收一个函数作为参数,该函数会被应用到每个元素上,并将其映射成一个新的元素。

flatMap:接收一个函数作为参数,将流中的每个值都换成另一个流,然后把所有流连接成一个流。

案例一:英文字符串数组的元素全部改为大写。整数数组每个元素+3。

public class StreamTest {
??? public static void main(String[] args) {
?????????? String[] strArr = { "abcd", "bcdd", "defde", "fTr" };
?????????? List<String> strList = Arrays.stream(strArr).map(String::toUpperCase).collect(Collectors.toList());

?????????? List<Integer> intList = Arrays.asList(1, 3, 5, 7, 9, 11);
?????????? List<Integer> intListNew = intList.stream().map(x -> x + 3).collect(Collectors.toList());

?????????? System.out.println("每个元素大写:" + strList);
?????????? System.out.println("每个元素+3:" + intListNew);

??? }

}

输出结果:

每个元素大写:[ABCD, BCDD, DEFDE, FTR]

每个元素+3:[4, 6, 8, 10, 12, 14]

案例二:将员工的薪资全部增加1000。

public class StreamTest {

??? public static void main(String[] args) {

?????????? List<Person> personList = new ArrayList<Person>();
?????????? personList.add(new Person("Tom", 8900, 23, "male", "New York"));
?????????? personList.add(new Person("Jack", 7000, 25, "male", "Washington"));
?????????? personList.add(new Person("Lily", 7800, 21, "female", "Washington"));
?????????? personList.add(new Person("Anni", 8200, 24, "female", "New York"));
?????????? personList.add(new Person("Owen", 9500, 25, "male", "New York"));
?????????? personList.add(new Person("Alisa", 7900, 26, "female", "New York"));

?????????? // 不改变原来员工集合的方式
?????????? List<Person> personListNew = personList.stream().map(person -> {
????????????????? Person personNew = new Person(person.getName(), 0, 0, null, null);
????????????????? personNew.setSalary(person.getSalary() + 10000);
????????????????? return personNew;
?????????? }).collect(Collectors.toList());

?????????? System.out.println("一次改动前:" + personList.get(0).getName() + "-->" + personList.get(0).getSalary());
?????????? System.out.println("一次改动后:" + personListNew.get(0).getName() + "-->" + personListNew.get(0).getSalary());


?????????? // 改变原来员工集合的方式
?????????? List<Person> personListNew2 = personList.stream().map(person -> {
????????????????? person.setSalary(person.getSalary() + 10000);
????????????????? return person;
?????????? }).collect(Collectors.toList());

?????????? System.out.println("二次改动前:" + personList.get(0).getName() + "-->" + personListNew.get(0).getSalary());
?????????? System.out.println("二次改动后:" + personListNew2.get(0).getName() + "-->" + personListNew.get(0).getSalary());
??? }
}

输出结果:

一次改动前:Tom–>8900

一次改动后:Tom–>18900

二次改动前:Tom–>18900

二次改动后:Tom–>18900

案例三:将两个字符数组合并成一个新的字符数组。

public class StreamTest {
??? public static void main(String[] args) {
?????????? List<String> list = Arrays.asList("m,k,l,a", "1,3,5,7");
?????????? List<String> listNew = list.stream().flatMap(s -> {
????????????????? // 将每个元素转换成一个stream
????????????????? String[] split = s.split(",");
????????????????? Stream<String> s2 = Arrays.stream(split);
????????????????? return s2;

?????????? }).collect(Collectors.toList());

?????????? System.out.println("处理前的集合:" + list);
?????????? System.out.println("处理后的集合:" + listNew);

??? }

}

输出结果:

处理前的集合:[m-k-l-a, 1-3-5]

处理后的集合:[m, k, l, a, 1, 3, 5]

此外,map系列还有mapToInt、mapToLong、mapToDouble三个函数,它们以一个映射函数为入参,将流中每一个元素处理后生成一个新流。以mapToInt为例,看两个示例:

public static void main(String[] args)? {

??? // 输出字符串集合中每个字符串的长度
??? List<String> stringList = Arrays.asList("mu", "CSDN", "hello",
??????????? "world", "quickly");
??? stringList.stream().mapToInt(String::length).forEach(System.out::println);
??? // 将int集合的每个元素增加1000
??? List<Integer> integerList = Arrays.asList(4, 5, 2, 1, 6, 3);
??? integerList.stream().mapToInt(x -> x + 1000).forEach(System.out::println);
}

mapToInt三个函数生成的新流,可以进行很多后续操作,比如求最大最小值、求和、求平均值:

public static void main(String[] args) {

??? List<Double> doubleList = Arrays.asList(1.0, 2.0, 3.0, 4.0, 2.0);
??? double average = doubleList.stream().mapToDouble(Number::doubleValue).average().getAsDouble();
??? double sum = doubleList.stream().mapToDouble(Number::doubleValue).sum();
??? double max = doubleList.stream().mapToDouble(Number::doubleValue).max().getAsDouble();
??? System.out.println("平均值:" + average + ",总和:" + sum + ",最大值:" + max);
}
3.2.5 归约(reduce)

归约,也称缩减,顾名思义,是把一个流缩减成一个值,能实现对集合求和、求乘积和求最值操作。

案例一:求Integer集合的元素之和、乘积和最大值。

public class StreamTest {
??? public static void main(String[] args) {
?????????? List<Integer> list = Arrays.asList(1, 3, 2, 8, 11, 4);
?????????? // 求和方式1
?????????? Optional<Integer> sum = list.stream().reduce((x, y) -> x + y);

?????????? // 求和方式2
?????????? Optional<Integer> sum2 = list.stream().reduce(Integer::sum);

?????????? // 求和方式3
?????????? Integer sum3 = list.stream().reduce(0, Integer::sum);
???????

?????????? // 求乘积
?????????? Optional<Integer> product = list.stream().reduce((x, y) -> x * y);


?????????? // 求最大值方式1
?????????? Optional<Integer> max = list.stream().reduce((x, y) -> x > y ? x : y);

?????????? // 求最大值写法2
?????????? Integer max2 = list.stream().reduce(1, Integer::max);

?????????? System.out.println("list求和:" + sum.get() + "," + sum2.get() + "," + sum3);
?????????? System.out.println("list求积:" + product.get());
?????????? System.out.println("list求最大值:" + max.get() + "," + max2);

??? }

}

输出结果:

list求和:29,29,29

list求积:2112

list求最大值:11,11

案例二:求所有员工的工资之和和最高工资。

public class StreamTest {
??? public static void main(String[] args) {
?????????? List<Person> personList = new ArrayList<Person>();
?????????? personList.add(new Person("Tom", 8900, 23, "male", "New York"));
?????????? personList.add(new Person("Jack", 7000, 25, "male", "Washington"));
?????????? personList.add(new Person("Lily", 7800, 21, "female", "Washington"));
?????????? personList.add(new Person("Anni", 8200, 24, "female", "New York"));
?????????? personList.add(new Person("Owen", 9500, 25, "male", "New York"));
?????????? personList.add(new Person("Alisa", 7900, 26, "female", "New York"));

?????????? // 求工资之和方式1:
?????????? Optional<Integer> sumSalary = personList.stream().map(Person::getSalary).reduce(Integer::sum);

?????????? // 求工资之和方式2:
?????????? Integer sumSalary2 = personList.stream().reduce(0, (sum, p) -> sum += p.getSalary(),(sum1, sum2) -> sum1 + sum2);

?????????? // 求工资之和方式3:
?????????? Integer sumSalary3 = personList.stream().reduce(0, (sum, p) -> sum += p.getSalary(), Integer::sum);


?????????? // 求最高工资方式1:
?????????? Integer maxSalary = personList.stream().reduce(0, (max, p) -> max > p.getSalary() ? max : p.getSalary(),Integer::max);

?????????? // 求最高工资方式2:
?????????? Integer maxSalary2 = personList.stream().reduce(0, (max, p) -> max > p.getSalary() ? max : p.getSalary(),(max1, max2) -> max1 > max2 ? max1 : max2);

?????????? // 求最高工资方式3:
?????????? Integer maxSalary3 = personList.stream().map(Person::getSalary).reduce(Integer::max).get();


?????????? System.out.println("工资之和:" + sumSalary.get() + "," + sumSalary2 + "," + sumSalary3);
?????????? System.out.println("最高工资:" + maxSalary + "," + maxSalary2 + "," + maxSalary3);

??? }

}

输出结果:

工资之和:49300,49300,49300

最高工资:9500,9500

3.2.6 收集(collect)

collect,收集,可以说是内容最繁多、功能最丰富的部分了。从字面上去理解,就是把一个流收集起来,最终可以是收集成一个值也可以收集成一个新的集合。

collect主要依赖java.util.stream.Collectors类内置的静态方法。

3.2.6.1 归集(toList/toSet/toMap)

因为流不存储数据,那么在流中的数据完成处理后,需要将流中的数据重新归集到新的集合里。toList、toSet和toMap比较常用,另外还有toCollection、toConcurrentMap等复杂一些的用法。

下面用一个案例演示toList、toSet和toMap:

public class StreamTest {

??? public static void main(String[] args) {

?????????? List<Integer> list = Arrays.asList(1, 6, 3, 4, 6, 7, 9, 6, 20);
?????????? List<Integer> listNew = list.stream().filter(x -> x % 2 == 0).collect(Collectors.toList());
?????????? Set<Integer> set = list.stream().filter(x -> x % 2 == 0).collect(Collectors.toSet());

?????????? List<Person> personList = new ArrayList<Person>();
?????????? personList.add(new Person("Tom", 8900, 23, "male", "New York"));
?????????? personList.add(new Person("Jack", 7000, 25, "male", "Washington"));
?????????? personList.add(new Person("Lily", 7800, 21, "female", "Washington"));
??? ?????? personList.add(new Person("Anni", 8200, 24, "female", "New York"));

?????????? Map<?, Person> map = personList.stream().filter(p -> p.getSalary() > 8000)
???????????????????????? .collect(Collectors.toMap(Person::getName, p -> p));

?????????? System.out.println("toList:" + listNew);
?????????? System.out.println("toSet:" + set);
?????????? System.out.println("toMap:" + map);
??? }
}

运行结果:

toList:[6, 4, 6, 6, 20]

toSet:[4, 20, 6]

toMap:{Tom=mutest.Person@5fd0d5ae, Anni=mutest.Person@2d98a335}

3.2.6.2 统计(count/averaging)

Collectors提供了一系列用于数据统计的静态方法:

计数:count

平均值:averagingInt、averagingLong、averagingDouble

最值:maxBy、minBy

求和:summingInt、summingLong、summingDouble

统计以上所有:summarizingInt、summarizingLong、summarizingDouble

案例:统计员工人数、平均工资、工资总额、最高工资。

public class StreamTest {
??? public static void main(String[] args) {

?????????? List<Person> personList = new ArrayList<Person>();
?????????? personList.add(new Person("Tom", 8900, 23, "male", "New York"));
?????????? personList.add(new Person("Jack", 7000, 25, "male", "Washington"));
?????????? personList.add(new Person("Lily", 7800, 21, "female", "Washington"));

?????????? // 求总数
?????????? Long count = personList.stream().collect(Collectors.counting());

?????????? // 求平均工资
?????????? Double average = personList.stream().collect(Collectors.averagingDouble(Person::getSalary));

?????????? // 求最高工资
?????????? Optional<Integer> max = personList.stream().map(Person::getSalary).collect(Collectors.maxBy(Integer::compare));

?????????? // 求工资之和
?????????? Integer sum = personList.stream().collect(Collectors.summingInt(Person::getSalary));

?????????? // 一次性统计所有信息
?????????? DoubleSummaryStatistics collect = personList.stream().collect(Collectors.summarizingDouble(Person::getSalary));


?????????? System.out.println("员工总数:" + count);
?????????? System.out.println("员工平均工资:" + average);
?????????? System.out.println("员工工资总和:" + sum);
?????????? System.out.println("员工工资所有统计:" + collect);

??? }

}

运行结果:

员工总数:3

员工平均工资:7900.0

员工工资总和:23700

员工工资所有统计:DoubleSummaryStatistics{count=3, sum=23700.000000,min=7000.000000, average=7900.000000, max=8900.000000}

3.2.6.3 分组(partitioningBy/groupingBy)

分区:将stream按条件分为两个Map,比如员工按薪资是否高于8000分为两部分。

分组:将集合分为多个Map,比如员工按性别分组。有单级分组和多级分组。

案例:将员工按薪资是否高于8000分为两部分;将员工按性别和地区分组

public class StreamTest {

??? public static void main(String[] args) {
?????????? List<Person> personList = new ArrayList<Person>();
?????????? personList.add(new Person("Tom", 8900, "male", "New York"));
?????????? personList.add(new Person("Jack", 7000, "male", "Washington"));
?????????? personList.add(new Person("Lily", 7800, "female", "Washington"));
?????????? personList.add(new Person("Anni", 8200, "female", "New York"));
?????????? personList.add(new Person("Owen", 9500, "male", "New York"));
?????????? personList.add(new Person("Alisa", 7900, "female", "New York"));

????????// 将员工按薪资是否高于8000分组
??????? Map<Boolean, List<Person>> part = personList.stream().collect(Collectors.partitioningBy(x -> x.getSalary() > 8000));

??????? // 将员工按性别分组
??????? Map<String, List<Person>> group = personList.stream().collect(Collectors.groupingBy(Person::getSex));

??????? // 将员工先按性别分组,再按地区分组
??????? Map<String, Map<String, List<Person>>> group2 = personList.stream().collect(Collectors.groupingBy(Person::getSex, Collectors.groupingBy(Person::getArea)));

??????? System.out.println("员工按薪资是否大于8000分组情况:" + part);
??????? System.out.println("员工按性别分组情况:" + group);
??????? System.out.println("员工按性别、地区:" + group2);

??? }

}

输出结果:

员工按薪资是否大于8000分组情况:{false=[mutest.Person@2d98a335, mutest.Person@16b98e56, mutest.Person@7ef20235], true=[mutest.Person@27d6c5e0, mutest.Person@4f3f5b24, mutest.Person@15aeb7ab]}

员工按性别分组情况:{female=[mutest.Person@16b98e56, mutest.Person@4f3f5b24, mutest.Person@7ef20235], male=[mutest.Person@27d6c5e0, mutest.Person@2d98a335, mutest.Person@15aeb7ab]}

员工按性别、地区:{female={New York=[mutest.Person@4f3f5b24, mutest.Person@7ef20235], Washington=[mutest.Person@16b98e56]}, male={New York=[mutest.Person@27d6c5e0, mutest.Person@15aeb7ab], Washington=[mutest.Person@2d98a335]}}

3.2.6.4 接合(joining)

joining可以将stream中的元素用特定的连接符(没有的话,则直接连接)连接成一个字符串。

public class StreamTest {

??? public static void main(String[] args) {

?????????? List<Person> personList = new ArrayList<Person>();
?????????? personList.add(new Person("Tom", 8900, 23, "male", "New York"));
?????????? personList.add(new Person("Jack", 7000, 25, "male", "Washington"));
?????????? personList.add(new Person("Lily", 7800, 21, "female", "Washington"));

?????????? String names = personList.stream().map(p -> p.getName()).collect(Collectors.joining(","));
?????????? System.out.println("所有员工的姓名:" + names);
?????????? List<String> list = Arrays.asList("A", "B", "C");
?????????? String string = list.stream().collect(Collectors.joining("-"));
?????????? System.out.println("拼接后的字符串:" + string);

??? }

}

运行结果:

所有员工的姓名:Tom,Jack,Lily

拼接后的字符串:A-B-C

3.2.6.5 归约(reducing)

Collectors类提供的reducing方法,相比于stream本身的reduce方法,增加了对自定义归约的支持。

public class StreamTest {

??? public static void main(String[] args) {

?????????? List<Person> personList = new ArrayList<Person>();
?????????? personList.add(new Person("Tom", 8900, 23, "male", "New York"));
?????????? personList.add(new Person("Jack", 7000, 25, "male", "Washington"));
?????????? personList.add(new Person("Lily", 7800, 21, "female", "Washington"));


?????????? // 每个员工减去起征点后的薪资之和(这个例子并不严谨,但一时没想到好的例子)
?????????? Integer sum = personList.stream().collect(Collectors.reducing(0, Person::getSalary, (i, j) -> (i + j - 5000)));
?????????? System.out.println("员工扣税薪资总和:" + sum);

?????????? // stream的reduce
?????????? Optional<Integer> sum2 = personList.stream().map(Person::getSalary).reduce(Integer::sum);
?????????? System.out.println("员工薪资总和:" + sum2.get());

??? }

}

运行结果:

员工扣税薪资总和:8700

员工薪资总和:23700

3.2.7 排序(sorted)

sorted,中间操作。有两种排序:

sorted():自然排序,流中元素需实现Comparable接口

sorted(Comparator com):Comparator排序器自定义排序

案例:将员工按工资由高到低(工资一样则按年龄由大到小)排序

public class StreamTest {

??? public static void main(String[] args) {

?????????? List<Person> personList = new ArrayList<Person>();


?????????? personList.add(new Person("Sherry", 9000, 24, "female", "New York"));
?????????? personList.add(new Person("Tom", 8900, 22, "male", "Washington"));
?????????? personList.add(new Person("Jack", 9000, 25, "male", "Washington"));
?????????? personList.add(new Person("Lily", 8800, 26, "male", "New York"));
?????????? personList.add(new Person("Alisa", 9000, 26, "female", "New York"));


?????????? // 按工资升序排序(自然排序)
?????????? List<String> newList = personList.stream().sorted(Comparator.comparing(Person::getSalary)).map(Person::getName)
???????????????????????? .collect(Collectors.toList());

?????????? // 按工资倒序排序
?????????? List<String> newList2 = personList.stream().sorted(Comparator.comparing(Person::getSalary).reversed())
???????????????????????? .map(Person::getName).collect(Collectors.toList());

?????????? // 先按工资再按年龄升序排序
?????????? List<String> newList3 = personList.stream()
?? .sorted(Comparator.comparing(Person::getSalary).thenComparing(Person::getAge)).map(Person::getName).collect(Collectors.toList());

?????????? // 先按工资再按年龄自定义排序(降序)
?????????? List<String> newList4 = personList.stream().sorted((p1, p2) -> {
????????????????? if (p1.getSalary() == p2.getSalary()) {
???????????????????????? return p2.getAge() - p1.getAge();
????????????????? } else {
???????????????????????? return p2.getSalary() - p1.getSalary();
????????????????? }

?????????? }).map(Person::getName).collect(Collectors.toList());


?????????? System.out.println("按工资升序排序:" + newList);
?????????? System.out.println("按工资降序排序:" + newList2);
?????????? System.out.println("先按工资再按年龄升序排序:" + newList3);
?????????? System.out.println("先按工资再按年龄自定义降序排序:" + newList4);

??? }

}

运行结果:

按工资升序排序:[Lily, Tom, Sherry, Jack, Alisa]

按工资降序排序:[Sherry, Jack, Alisa, Tom, Lily]

先按工资再按年龄升序排序:[Lily, Tom, Sherry, Jack, Alisa]

先按工资再按年龄自定义降序排序:[Alisa, Jack, Sherry, Tom, Lily]

3.2.8 提取/组合

流也可以进行合并、去重、限制、跳过等操作。

public class StreamTest {

??? public static void main(String[] args) {

?????????? String[] arr1 = { "a", "b", "c", "d" };
?????????? String[] arr2 = { "d", "e", "f", "g" };

?????????? Stream<String> stream1 = Stream.of(arr1);
?????????? Stream<String> stream2 = Stream.of(arr2);
?????????? // concat:合并两个流 distinct:去重
?????????? List<String> newList = Stream.concat(stream1, stream2).distinct().collect(Collectors.toList());

?????????? // limit:限制从流中获得前n个数据
?????????? List<Integer> collect = Stream.iterate(1, x -> x + 2).limit(10).collect(Collectors.toList());

?????????? // skip:跳过前n个数据
?????????? List<Integer> collect2 = Stream.iterate(1, x -> x + 2).skip(1).limit(5).collect(Collectors.toList());

?????????? System.out.println("流合并:" + newList);
?????????? System.out.println("limit:" + collect);
?????????? System.out.println("skip:" + collect2);

??? }

}

运行结果:

流合并:[a, b, c, d, e, f, g]

limit:[1, 3, 5, 7, 9, 11, 13, 15, 17, 19]

skip:[3, 5, 7, 9, 11]

文章来源:https://blog.csdn.net/h4241778/article/details/135456299
本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。