目錄
2.4map(T -> R) 和 flatMap(T -> Stream)
2.6 limit(long n) 和 skip(long n)
3.1 reduce((T, T) -> T) 和 reduce(T, (T, T) -> T)
3.2 mapToInt(T -> int) 、mapToDouble(T -> double) 、mapToLong(T -> long)
3.4 summingInt()、summingLong()、summingDouble()
3.5 averagingInt()、averagingLong()、averagingDouble()
你需要了解的快捷開發 Java8 stream的使用(二) stream對List集合進行分組、彙總、排序等操作
Java 8 Stream
Java 8 API添加了一個新的抽象稱爲流Stream,可以讓你以一種聲明的方式處理數據。
Stream 使用一種類似用 SQL 語句從數據庫查詢數據的直觀方式來提供一種對 Java 集合運算和表達的高階抽象。
Stream API可以極大提高Java程序員的生產力,讓程序員寫出高效率、乾淨、簡潔的代碼。
這種風格將要處理的元素集合看作一種流, 流在管道中傳輸, 並且可以在管道的節點上進行處理, 比如篩選, 排序,聚合等。
元素流在管道中經過中間操作(intermediate operation)的處理,最後由最終操作(terminal operation)得到前面處理的結果。
什麼是 Stream?
Stream(流)是一個來自數據源的元素隊列並支持聚合操作
- 元素是特定類型的對象,形成一個隊列。 Java中的Stream並不會存儲元素,而是按需計算。
- 數據源 流的來源。 可以是集合,數組,I/O channel, 產生器generator 等。
- 聚合操作 類似SQL語句一樣的操作, 比如filter, map, reduce, find, match, sorted等。
和以前的Collection操作不同, Stream操作還有兩個基礎的特徵:
- Pipelining: 中間操作都會返回流對象本身。 這樣多個操作可以串聯成一個管道, 如同流式風格(fluent style)。 這樣做可以對操作進行優化, 比如延遲執行(laziness)和短路( short-circuiting)。
- 內部迭代: 以前對集合遍歷都是通過Iterator或者For-Each的方式, 顯式的在集合外部進行迭代, 這叫做外部迭代。 Stream提供了內部迭代的方式, 通過訪問者模式(Visitor)實現。
生成流
在 Java 8 中, 集合接口有兩個方法來生成流:
-
stream() − 爲集合創建串行流。
-
parallelStream() − 爲集合創建並行流。
List<String> strings = Arrays.asList("abc", "", "bc", "efg", "abcd","", "jkl");
List<String> filtered = strings.stream().filter(string -> !string.isEmpty()).collect(Collectors.toList());
下面是使用Stream的常用方法的綜合實例。
部分實例來源
www.cnblogs.com/qinhao517/p/9197885.html
www.blog.csdn.net/pan_junbiao/article/details/105913518
綜合實例
1.創建實體類和數據
User.java
import java.math.BigDecimal;
/**
* 用戶信息實體類
**/
public class User
{
private int id; //用戶ID
private String name; //用戶名稱
private String sex; //性別
private int age; //年齡
private String department; //部門
private BigDecimal salary; //薪資
//構造方法
public User(int id,String name,String sex,int age,String department,BigDecimal salary)
{
this.id = id;
this.name = name;
this.sex = sex;
this.age = age;
this.department = department;
this.salary = salary;
}
public int getId()
{
return id;
}
public void setId(int id)
{
this.id = id;
}
public String getName()
{
return name;
}
public void setName(String name)
{
this.name = name;
}
public String getSex()
{
return sex;
}
public void setSex(String sex)
{
this.sex = sex;
}
public int getAge()
{
return age;
}
public void setAge(int age)
{
this.age = age;
}
public String getDepartment()
{
return department;
}
public void setDepartment(String department)
{
this.department = department;
}
public BigDecimal getSalary()
{
return salary;
}
public void setSalary(BigDecimal salary)
{
this.salary = salary;
}
@Override
public String toString()
{
return "ID:" + this.id + " 名稱:" + this.name + " 性別:" + this.sex
+ " 年齡:" + this.age + " 部門:" + this.department + " 薪資:" + this.salary + "元";
}
}
UserService.class
import com.pjb.streamdemo.entity.User;
import java.math.BigDecimal;
import java.util.ArrayList;
import java.util.List;
/**
* 用戶信息業務邏輯類
**/
public class UserService
{
/**
* 獲取用戶列表
*/
public static List<User> getUserList()
{
List<User> userList = new ArrayList<User>();
userList.add(new User(1, "青冘的博客_01", "男", 32, "研發部", BigDecimal.valueOf(1600)));
userList.add(new User(2, "青冘的博客_02", "男", 30, "財務部", BigDecimal.valueOf(1800)));
userList.add(new User(3, "青冘的博客_03", "女", 20, "人事部", BigDecimal.valueOf(1700)));
userList.add(new User(4, "青冘的博客_04", "男", 38, "研發部", BigDecimal.valueOf(1500)));
userList.add(new User(5, "青冘的博客_05", "女", 25, "財務部", BigDecimal.valueOf(1200)));
return userList;
}
}
2.查詢方法
2.1 forEach()
使用 forEach() 遍歷列表數據。
/**
* 使用forEach()遍歷列表信息
*/
@Test
public void forEachTest()
{
//獲取用戶列表
List<User> userList = UserService.getUserList();
//遍歷用戶列表
userList.forEach(System.out::println);
}
上述遍歷語句等同於以下語句:
userList.forEach(user -> {System.out.println(user);});
執行結果:
2.2 filter(T -> boolean)
使用 filter() 過濾列表數據
獲取部門爲“研發部”的用戶列表。
/**
* 使用filter()過濾列表信息
*/
@Test
public void filterTest()
{
//獲取用戶列表
List<User> userList = UserService.getUserList();
//獲取部門爲“研發部”的用戶列表
userList = userList.stream().filter(user -> user.getDepartment() == "研發部").collect(Collectors.toList());
//遍歷用戶列表
userList.forEach(System.out::println);
}
執行結果:
2.3findAny() 和 findFirst()
使用 findAny() 和 findFirst() 獲取第一條數據。
獲取用戶名稱爲“青冘的博客_02”的用戶信息,如果未找到則返回null。
/**
* 使用findAny()獲取第一條數據
*/
@Test
public void findAnytTest()
{
//獲取用戶列表
List<User> userList = UserService.getUserList();
//獲取用戶名稱爲“青冘的博客_02”的用戶信息,如果沒有找到則返回null
User user = userList.stream().filter(u -> u.getName().equals("青冘的博客_02")).findAny().orElse(null);
//打印用戶信息
System.out.println(user);
}
執行結果:
注意:findFirst() 和 findAny() 都是獲取列表中的第一條數據,但是findAny()操作,返回的元素是不確定的,對於同一個列表多次調用findAny()有可能會返回不同的值。使用findAny()是爲了更高效的性能。如果是數據較少,串行地情況下,一般會返回第一個結果,如果是並行(parallelStream並行流)的情況,那就不能確保是第一個。
2.4map(T -> R) 和 flatMap(T -> Stream)
使用 map() 將流中的每一個元素 T 映射爲 R(類似類型轉換)。
使用 flatMap() 將流中的每一個元素 T 映射爲一個流,再把每一個流連接成爲一個流。
使用 map() 方法獲取用戶列表中的名稱列。
/**
* 使用map()獲取列元素
*/
@Test
public void mapTest()
{
//獲取用戶列表
List<User> userList = UserService.getUserList();
//獲取用戶名稱列表
List<String> nameList = userList.stream().map(User::getName).collect(Collectors.toList());
//或者:List<String> nameList = userList.stream().map(user -> user.getName()).collect(Collectors.toList());
//遍歷名稱列表
nameList.forEach(System.out::println);
}
返回的結果爲數組類型,寫法如下:
//數組類型
String[] nameArray = userList.stream().map(User::getName).collect(Collectors.toList()).toArray(new String[userList.size()]);
執行結果:
使用 flatMap() 將流中的每一個元素連接成爲一個流。
/**
* 使用flatMap()將流中的每一個元素連接成爲一個流
*/
@Test
public void flatMapTest()
{
//創建城市
List<String> cityList = new ArrayList<String>();
cityList.add("北京;上海;深圳;");
cityList.add("廣州;武漢;杭州;");
//分隔城市列表,使用 flatMap() 將流中的每一個元素連接成爲一個流。
cityList = cityList.stream()
.map(city -> city.split(";"))
.flatMap(Arrays::stream)
.collect(Collectors.toList());
//遍歷城市列表
cityList.forEach(System.out::println);
}
執行結果:
2.5 distinct()
使用 distinct() 方法可以去除重複的數據。
獲取部門列表,並去除重複數據。
/**
* 使用distinct()去除重複數據
*/
@Test
public void distinctTest()
{
//獲取用戶列表
List<User> userList = UserService.getUserList();
//獲取部門列表,並去除重複數據
List<String> departmentList = userList.stream().map(User::getDepartment).distinct().collect(Collectors.toList());
//遍歷部門列表
departmentList.forEach(System.out::println);
}
執行結果:
2.6 limit(long n) 和 skip(long n)
limit(long n) 方法用於返回前n條數據,skip(long n) 方法用於跳過前n條數據。
/**
* limit(long n)方法用於返回前n條數據
* skip(long n)方法用於跳過前n條數據
*/
@Test
public void limitAndSkipTest()
{
//獲取用戶列表
List<User> userList = UserService.getUserList();
//獲取用戶列表,要求跳過第1條數據後的前3條數據
userList = userList.stream()
.skip(1)
.limit(3)
.collect(Collectors.toList());
//遍歷用戶列表
userList.forEach(System.out::println);
}
執行結果:
3.統計方法
3.1 reduce((T, T) -> T) 和 reduce(T, (T, T) -> T)
使用 reduce((T, T) -> T) 和 reduce(T, (T, T) -> T) 用於組合流中的元素,如求和,求積,求最大值等。
@Test
public void testReduce() {
Stream<Integer> stream = Arrays.stream(new Integer[]{1, 2, 3, 4, 5, 6, 7, 8});
//求集合元素之和
System.out.println("求集合元素之和");
Integer result = stream.reduce(0, Integer::sum);
System.out.println(result);
stream = Arrays.stream(new Integer[]{1, 2, 3, 4, 5, 6, 7});
//求和
System.out.println("求和");
stream.reduce((i, j) -> i + j).ifPresent(System.out::println);
stream = Arrays.stream(new Integer[]{1, 2, 3, 4, 5, 6, 7});
//求最大值
System.out.println("求最大值");
stream.reduce(Integer::max).ifPresent(System.out::println);
stream = Arrays.stream(new Integer[]{1, 2, 3, 4, 5, 6, 7});
//求最小值
System.out.println("求最小值");
stream.reduce(Integer::min).ifPresent(System.out::println);
stream = Arrays.stream(new Integer[]{1, 2, 3, 4, 5, 6, 7});
//做邏輯
System.out.println("做邏輯");
stream.reduce((i, j) -> i > j ? j : i).ifPresent(System.out::println);
stream = Arrays.stream(new Integer[]{1, 2, 3, 4, 5, 6, 7});
//求邏輯求乘機
System.out.println("求邏輯求乘機");
int result2 = stream.filter(i -> i % 2 == 0).reduce(1, (i, j) -> i * j);
Optional.of(result2).ifPresent(System.out::println);
}
執行結果:
3.2 mapToInt(T -> int) 、mapToDouble(T -> double) 、mapToLong(T -> long)
int sumVal = userList.stream().map(User::getAge).reduce(0,Integer::sum);計算元素總和的方法其中暗含了裝箱成本,map(User::getAge) 方法過後流變成了 Stream 類型,而每個 Integer 都要拆箱成一個原始類型再進行 sum 方法求和,這樣大大影響了效率。針對這個問題 Java 8 有良心地引入了數值流 IntStream, DoubleStream, LongStream,這種流中的元素都是原始數據類型,分別是 int,double,long。
流轉換爲數值流:
- mapToInt(T -> int) : return IntStream
- mapToDouble(T -> double) : return DoubleStream
- mapToLong(T -> long) : return LongStream
//用戶列表中年齡的最大值、最小值、總和、平均值
int maxVal = userList.stream().mapToInt(User::getAge).max().getAsInt();
int minVal = userList.stream().mapToInt(User::getAge).min().getAsInt();
int sumVal = userList.stream().mapToInt(User::getAge).sum();
double aveVal = userList.stream().mapToInt(User::getAge).average().getAsDouble();
3.3 counting() 和 count()
使用 counting() 和 count() 可以對列表數據進行統計。
//統計研發部的人數,使用 counting()方法進行統計
Long departCount = userList.stream().filter(user -> user.getDepartment() == "研發部").collect(Collectors.counting());
//統計30歲以上的人數,使用 count()方法進行統計(推薦)
Long ageCount = userList.stream().filter(user -> user.getAge() >= 30).count();
3.4 summingInt()、summingLong()、summingDouble()
用於計算總和,需要一個函數參數。
//計算年齡總和
int sumAge = userList.stream().collect(Collectors.summingInt(User::getAge));
3.5 averagingInt()、averagingLong()、averagingDouble()
用於計算平均值
//計算平均年齡
double aveAge = userList.stream().collect(Collectors.averagingDouble(User::getAge));