简洁方便的集合处理 Java 8 stream 流

发布于:2020 年 2 月 10 日 21:07

简洁方便的集合处理 Java 8 stream流

背景

java 8 已经发行好几年了,前段时间 java 12 也已经问世,但平时的工作中,很多项目的环境还停留在 java1.7 中。而且 java8 的很多新特性都是革命性的,比如各种集合的优化、lambda 表达式等,所以我们还是要去了解 java8 的魅力。

今天我们来学习 java8 的 Stream,并不需要理论基础,直接可以上手去用。

我接触 stream 的原因,是我要搞一个用户收入消费的数据分析。起初的统计筛选分组都是打算用 sql 语言直接从 mysql 里得到结果来展现的。但在操作中我们发现这样频繁地访问数据库,性能会受到很大的影响,分析速度会很慢。所以我们希望能通过访问一次数据库就拿到所有数据,然后放到内存中去进行数据分析统计过滤。

接着,我看了 stream 的 API,发现这就是我想要的。

一、Stream 理解

在 java 中我们称 Stream 为『』,我们经常会用流去对集合进行一些流水线的操作。stream 就像工厂一样,只需要把集合、命令还有一些参数灌输到流水线中去,就可以加工成得出想要的结果。这样的流水线能大大简洁代码,减少操作。

二、Stream 流程

原集合 —> 流  —> 各种操作 (过滤、分组、统计) —> 终端操作  

Stream 流的操作流程一般都是这样的,先将集合转为流,然后经过各种操作,比如过滤、筛选、分组、计算。最后的终端操作,就是转化成我们想要的数据,这个数据的形式一般还是集合,有时也会按照需求输出 count 计数。下文会一一举例。

1.png

三、API 功能举例

首先,定义一个用户对象,包含姓名、年龄、性别和籍贯四个成员变量:

import lombok.AllArgsConstructor;  
import lombok.Builder;  
import lombok.Data;  
import lombok.NoArgsConstructor;  
import lombok.extern.log4j.Log4j;  

@Data  
@NoArgsConstructor  
@AllArgsConstructor  
@Log4j  
@Builder  
public class User {  
    // 姓名  
    private String name;  
    // 年龄  
    private Integer age;  
    // 性别  
    private Integer sex;  
    // 所在省市  
    private String address;  
}  

这里用 lombok 简化了实体类的代码。

然后创建需要的集合数据,也就是源数据:

//1. 构建我们的 list  
List

3.1 过滤

1)创建流 stream() / parallelStream()

  • stream() : 串行流

  • parallelStream(): 并行流

2)filter 过滤 (T-> boolean)

比如要过滤年龄在 40 岁以上的用户,就可以这样写:

List filterList = list.stream().filter(user -> user.getAge() >= 40)
        .collect(toList());

filter 里面,-> 箭头后面跟着的是一个boolean 值,可以写任何的过滤条件,就相当于 sql 中 where 后面的东西,换句话说,能用 sql 实现的功能这里都可以实现

打印结果:

2.png

3)distinct 去重

和 sql 中的 distinct 关键字很相似。为了看到效果,此处在原集合中加入一个重复的人,就选择钢铁侠吧,复联 4 钢铁侠不幸遇害,大家还是比较伤心的。

List list= Arrays.asList(
        new User("钢铁侠",40,0,"华盛顿"),
        new User("钢铁侠",40,0,"华盛顿"),
        new User("蜘蛛侠",20,0,"华盛顿"),
        new User("赵丽颖",30,1,"湖北武汉市"),
        new User("詹姆斯",35,0,"洛杉矶"),
        new User("李世民",60,0,"山西省太原市"),
        new User("蔡徐坤”,18,1,"陕西西安市"),
        new User("葫芦娃的爷爷",70,0,"山西省太原市")
);
//distinct 去重  
List

打印结果:

3.png

4)sorted 排序

如果流中的元素的类实现了 Comparable 接口,即有自己的排序规则,那么可以直接调用 sorted() 方法对元素进行排序,如:

Comparator.comparingInt  

反之, 需要调用 sorted((T, T) -> int) 实现 Comparator 接口。

//sorted()  
List

打印结果:

4.png

结果按照年龄从小到大进行排序。

5)limit() 返回前 n 个元素

如果想知道这里面年龄最小的是谁,可作如下操作:

//limit 返回前 n 个元素  
List

5.png

6)skip()

与 limit 恰恰相反,skip 的意思是跳过,也就是去除前 n 个元素。

打印结果:

6.png

果然,前两个人都被去除了,只剩下最老的葫芦娃爷爷。

3.2 映射

1)map(T->R)

map 是将 T 类型的数据转为 R 类型的数据,比如我们想要设置一个新的 list,存储用户所有的城市信息。

//map(T->R)  
List

打印结果:

7.png

2)flatMap(T -> Stream)

将流中的每一个元素 T 映射为一个流,再把每一个流连接成为一个流。

//flatMap(T -> Stream)
List flatList = new ArrayList<>();
flatList.add("唱, 跳");
flatList.add("rape, 篮球,music");
flatList = flatList.stream().map(s -> s.split(",")).flatMap(Arrays::stream).collect(toList());

打印结果:

8.png

这里原集合中的数据由逗号分割,使用 split 进行拆分后,得到的是 Stream,字符串数组组成的流,要使用 flatMap 的

Arrays::stream

将 Stream 转为 Stream, 然后把流相连接,组成了完整的唱、跳、rap、篮球和 music。

3.3 查找

1)allMatch(T->boolean)

检测是否全部满足参数行为,假如这些用户是网吧上网的用户名单,那就需要检查是不是每个人都年满 18 周岁了。

boolean isAdult = list.stream().allMatch(user -> user.getAge() >= 18);  

打印结果:

true  

2)anyMatch(T->boolean)

检测是否有任意元素满足给定的条件,比如,想知道同学名单里是否有女生。

//anyMatch(T -> boolean) 是否有任意一个元素满足给定的条件  
boolean isGirl = list.stream().anyMatch(user -> user.getSex() == 1);  

打印结果:

true  

说明集合中有女生存在。

3)noneMatch(T -> boolean)

流中是否有元素匹配给定的 T -> boolean 条件。

比如检测有没有来自巴黎的用户。

boolean isLSJ = list.stream().noneMatch(user -> user.getAddress().contains("巴黎"));  

打印结果:

true  

打印 true 说明没有巴黎的用户。

4)findFirst( ): 找到第一个元素

Optional fristUser  = list.stream().findFirst();

打印结果:

User(name= 钢铁侠, age=40, sex=0, address= 华盛顿)  

5)findAny(): 找到任意一个元素

Optional anyUser  = list.stream().findAny();

打印结果:

User(name= 钢铁侠, age=40, sex=0, address= 华盛顿)  

这里我们发现 findAny 返回的也总是第一个元素,那么为什么还要进行区分呢?因为在并行流 parallelStream() 中找到的确实是任意一个元素。

Optional anyParallelUser  = list.parallelStream().findAny();

打印结果 :

Optional[User(name= 李世民, age=60, sex=0, address= 山西省太原市)]  

3.4 归纳计算

1)求用户的总人数

long count = list.stream().collect(Collectors.counting());  

我们可以简写为:

long count = list.stream().count();  

运行结果:

8  

2)得到某一属性的最大最小值

// 求最大年龄  
Optional

运行结果:

9.png

10.png

3)求年龄总和是多少

// 求年龄总和  
int totalAge = list.stream().collect(Collectors.summingInt(User::getAge));  

运行结果:

313  

我们经常会用 BigDecimal 来记录金钱,假设想得到 BigDecimal 的总和:

// 获得列表对象金额, 使用 reduce 聚合函数, 实现累加器  
BigDecimal sum = myList.stream() .map(User::getMoney)  
.reduce(BigDecimal.ZERO,BigDecimal::add);  

4)求年龄平均值

// 求年龄平均值  
double avgAge = list.stream().collect(  
Collectors.averagingInt(User::getAge));  

运行结果:

39.125  

5)一次性得到元素的个数、总和、最大值、最小值

IntSummaryStatistics statistics = list.stream().collect(  
Collectors.summarizingInt(User::getAge));  

运行结果:

11.png

6)字符串拼接

要将用户的姓名连成一个字符串并用逗号分割。

String names = list.stream().map(User::getName)  
.collect(Collectors.joining(", "));  

运行结果:

钢铁侠, 钢铁侠, 蜘蛛侠, 赵丽颖, 詹姆斯, 李世民, 蔡徐坤, 葫芦娃的爷爷  

3.5 分组

在数据库操作中,我们经常通过 GROUP BY 关键字对查询到的数据进行分组,java8 的流式处理也提供了分组的功能。使用Collectors.groupingBy来进行分组。

1)可以根据用户所在城市进行分组

Map cityMap = list.stream()
.collect(Collectors.groupingBy(User::getAddress));

12.png

结果是一个 map,key 为不重复的城市名,value 为属于该城市的用户列表。已经实现了分组。

2)二级分组,先根据城市分组再根据性别分组

Map> group = list.stream().collect(
        Collectors.groupingBy(User::getAddress, // 一级分组,按所在地区
                Collectors.groupingBy(User::getSex))); // 二级分组,按性别

运行结果:

13.png

3)如果仅仅想统计各城市的用户个数是多少,并不需要对应的 list

按城市分组并统计人数:

Map cityCountMap = list.stream()
.collect(Collectors.groupingBy(User::getAddress,Collectors.counting()));

运行结果:

14.png

4)当然,也可以先进行过滤再分组并统计人数

Map map = list.stream().filter(user -> user.getAge() <= 30)
        .collect(Collectors.groupingBy(User::getAddress,Collectors.counting()));

运行结果:

15.png

5)partitioningBy 分区

分区与分组的区别在于,分区是按照 truefalse 来分的,因此 partitioningBy 接受的参数的 lambda 也是 T -> boolean

// 根据年龄是否小于等于 30 来分区  
Map

运行结果:

16.png

总结

到目前为止,stream 的功能我们已经用了很多了,感觉有点眼花缭乱却无所不能,stream 能做的事情远远不止这些。

我们可以多学习使用 stream,把原来复杂的 sql 查询,一遍又一遍地 for 循环的复杂代码重构,让代码更简洁易懂,可读性强。

本文转载自宜信技术学院网站。

原文链接: http://college.creditease.cn/detail/264

阅读数:275 发布于:2020 年 2 月 10 日 21:07

更多 安全、开源、Java 相关课程,可下载【 极客时间 】App 免费领取 >

评论

发布
暂无评论
  • NumPy 的数组与数据类型

    2018 年 6 月 13 日

  • Eclipse Collections:让 Java Streams 更上一层楼

    Eclipse Collections是Java的高性能集合框架,为原生JDK集合增加了丰富的功能。在本文中,关键框架贡献者演示了如何将标准Java代码重构为Eclipse Collections数据结构和API,并减小内存开销。

    2018 年 6 月 21 日

  • 面试题:返回数据流中的第 K 大元素

    2018 年 10 月 10 日

  • LeetCode 769. Max Chunks To Make Sorted

    给定一个数组 arr,它是 [0, 1, ..., arr.lenth - 1] 的排列。我们将数组分为一个个区块,并单独排序,最后将每个区块连接起来,要求是有序的。

    2020 年 6 月 7 日

  • 综合排序:Function Score Query 优化算分

    2019 年 7 月 27 日

  • 答疑篇:代码篇思考题集锦(二)

    今天,我们继续分析第7~12讲的课后思考题,会涉及数据库索引、判等问题、数值计算、集合类、空值处理和异常处理6大知识点。

    2020 年 4 月 6 日

  • 从 Groovy 到 Java 8

    从用于函数式编程风格的新语法,到lambdas表达式、collection streaming和要把方法引用作为一等公民,Groovy开发人员在未来编写Java代码时具有先天性优势。本文将重点关注Groovy和Java 8的共同点,并阐述了Java 8如何解读Groovy中那些熟悉的概念。

    2013 年 9 月 18 日

  • Groovy 1.5 的新特性

    在这篇文章中Groovy的项目经理Guillaume Laforge对于Groovy 1.5中引人注目的新特性做了概述,新特性支持Java 5的注解,泛型和枚举特征。文章还介绍了Maven和IntelliJ对Groovy的工具支持的增强。

    2008 年 1 月 15 日