电商网站建设如何,上海中高风险地区名单最新,湛江市建设规划局网站,网站建设的企业目标一. 概述
Stream流是Java8推出的、批量处理数据集合的新特性#xff0c;在java.util.stream包下。结合着Java8同期推出的另一项新技术#xff1a;行为参数化#xff08;包括函数式接口、Lambda表达式、方法引用等#xff09;#xff0c;Java语言吸收了函数式编程的语法特…一. 概述
Stream流是Java8推出的、批量处理数据集合的新特性在java.util.stream包下。结合着Java8同期推出的另一项新技术行为参数化包括函数式接口、Lambda表达式、方法引用等Java语言吸收了函数式编程的语法特点使得程序员能十分便捷地编写处理集合数据的逻辑代码提高了开发效率的同时代码可阅读性也大大加强
因此有必要整理下Stream流的常用操作以备后续处理集合类数据时快速查询和使用
二. 流的概念 概念从某些源生成的、支持对其中元素批量进行数据处理操作的元素序列集合可以看做是为相同类型数据存储或访问而设计的一种数据结构或者API类而流可以看做是对相同类型数据的计算及处理而设计一种API类当一个流被创建出来后其内部数据是不可更改的它不像集合那样有对其中元素增删改的操作 三. 流的使用
流的处理分为中间操作和终端操作两大部分
中间操作方法的返回结果为流本身因此可以将多个中间操作串联在一起形成一个操作链终端操作的返回结果为其他类型的对象比如List等。一个流只可以执行一次终端操作执行完成后流便不可以被再使用一个流实际上只执行一次遍历此次遍历是在代码执行到终端操作时才执行。在中间操作链中只是定义了每个操作步骤的具体内容并没有真正的对其中元素执行遍历方法。
四. API
0. 准备工作数据源
以下我们创建一个personList的ListPerson对象后续我们会反复利用这个对象生成流来练习Stream的方法效果。Person类中保存了每个作家的姓名name、年纪age、朝代dynasty、作品集literature //为成员变量personList赋值personList List.of(new Person(李白, 61, 唐, List.of(将进酒, 行路难)),new Person(杜甫, 59, 唐, List.of(登高, 茅屋为秋风所破歌)),new Person(苏轼, 64, 宋, List.of(水调歌头·明月几时有)),new Person(王勃, 27, 唐, List.of(滕王阁序)),new Person(李清照, 71, 宋, List.of(如梦令)));Datapublic class Person {String name; //姓名int age; //年纪String dynasty; //朝代ListString literature; //作品public Person(String name, int age, String dynasty, ListString literature) {this.name name;this.age age;this.dynasty dynasty;this.literature literature;}}
1. 创建流
创建流有四种常见的方式
Stream.of()Stream.iterate()Stream.generate()List.stream()转化
以下为一些创建的示例 /*** 创建流*/public void create() {//方法一Stream.of() Stream.empty()StreamString stringStream Stream.of(a, b); //建立一个流其中有a、b两个元素StreamString empty Stream.empty(); //建一个空Stream流空流的泛型可以指定任何类//方法二用迭代Stream.iterate()方法。 可以创造无限流这里限制10条:0 2 4 6 8 10 12 14 16 18StreamInteger numStream Stream.iterate(0, n - n 2).limit(10);//打印查看结果numStream.forEach(i - System.out.print(i ));System.out.println();//iterate()方法的重载方法包括三个入参三入参很像for循环的写法中间的谓词判断为false时迭代中断IntStream intStream IntStream.iterate(0, n - n 100, n - n 4);intStream.forEach(i - System.out.print(i ));System.out.println();//方法三用generate来生成StreamDouble generate Stream.generate(Math::random).limit(5);generate.forEach(System.out::println);/*注意generate尽量在无状态流中的任意两项没有某种关联下使用。在有状态时慎用可能因并发导致前后数据关系出问题;*///以下是一个有状态应用的例子IntSupplier fib new IntSupplier() {private int pre 0; //保存状态的值此处是对象的一个成员变量Overridepublic int getAsInt() {int now pre 2;pre now;return now;}};//若并发调用则可能会出现错乱ListInteger parallelList IntStream.generate(fib).parallel().limit(10000).boxed().collect(toList());//打印观察数据发现日志顺序并没有按照顺序而是可能出现一片2XXX紧接着一片1XXXX又接着一片6XXX可见多线程下是并行执行顺序不可保证parallelList.stream().sequential().forEach(System.out::println);//方法四通过list等传统集合数据做转化StreamPerson personStream personList.stream();}2. 中间操作
a. filter()
filter()需传入一个 谓词格式(T- boolean) 的入参以此谓词来判断流中每个元素的条件如返回为true则保留false则舍弃 /*** 过滤年龄小于60岁的名人*/public void filter() {ListPerson filterPersonList personList.stream().filter(person - person.getAge() 60).collect(Collectors.toList());//输出[Person(name杜甫, age59, dynasty唐, literature[登高, 茅屋为秋风所破歌]), Person(name王勃, age27, dynasty唐, literature[滕王阁序])]System.out.println(filterPersonList);}b. map()
map()方法入参类型为 Function(T- R) , 流会对其中元素T依次执行此入参方法转换为类型为R的返回结果。执行map()后流由原来的StreamT 变成了StreamR /*** 将原list映射为另一个list这里是ListPerson - ListString*/public void map() {ListString nameList personList.stream().map(person - person.getName()).collect(Collectors.toList());//输出为[李白, 杜甫, 苏轼, 王勃, 李清照]System.out.println(nameList);}转换后的R可以是任意类型。对于返回值为int、float等基本类型数据则会转换为他们的封装Box类Integer、Float成为StreamInteger、StreamFloat流。但如果后续又要进行sum()/avg()等运算操作则流内部又不得不进行静默拆箱将前一步封装好的Integer再拆箱还原为int基本类型后才能计算。此番反复无谓的拆箱装箱需要浪费不小的计算资源。因此Java额外提供了针对基本类型数据不需要装箱拆箱的特别流IntStream/FloatStream等。可以将这种流视为一种特别的流Streamint /Streamfloat用mapToInt()/mapToFloat()等方法可转换为此类型 /*** 数据流的映射*/public void map2() {IntStream intStream personList.stream()
// .map(person - person.getAge()) //这里的类型是StreamInteger,如果后续是reduce等对数字处理的方法则会导致隐形拆箱再装箱耗费资源.mapToInt(person - person.getAge()); //直接是IntStream类型没有拆箱装箱开销//提供一些计算方法因不需要拆箱装箱所以效率很高int sum intStream.sum();//输出为282System.out.println(sum);}c. flatmap()
flatmap()也传一个Function但这个Function的类型为T-StreamR返回是一个Stream流。这样每个对象都会返回一个Stream流如果换成map()的话返回结果则为一个嵌套的Stream流StreamStreamR,是流的流flatMap()可以将每个元素返回的流StreamR归并其中的元素最终压缩整合成一个流StreamR
/*** 将每个人的作品扁平化为一个新的List*/public void flatMap1() {ListString literatureList personList.stream().flatMap(person - person.getLiterature().stream()) //将作品的list取出来转换为Stream然后用flatMap进行扁平化合并为一个大的Stream.collect(Collectors.toList());//输出为[将进酒, 行路难, 登高, 茅屋为秋风所破歌, 水调歌头·明月几时有, 滕王阁序, 如梦令]System.out.println(literatureList);}/*** 复杂案例将每个人的作品跟作者合为一个ListString, 扁平化为一个新的List*/public void flatMap2() {ListListString literatureList personList.stream()//3. 最后用flatMap进行扁平化合并为一个大的Stream.flatMap(person - person.getLiterature().stream() //1此处返回一个StreamString 每个作家作品的流.map(literature - { //2通过map将上面的StreamString转换为StreamListString流每个list有两个对象为[作家姓名作品]return Arrays.asList(person.getName(), literature); //将作者姓名及作品名称组成一个新的数组})).collect(Collectors.toList());//输出为[[李白, 将进酒], [李白, 行路难], [杜甫, 登高], [杜甫, 茅屋为秋风所破歌], [苏轼, 水调歌头·明月几时有], [王勃, 滕王阁序], [李清照, 如梦令]]System.out.println(literatureList);}d. distinct()
distinct()会对流元素进行去重 /*** 对列表中的朝代进行去重*/public void distinct() {ListString distinctDynastyList personList.stream().map(person - person.getDynasty()).distinct() //去重如果不去重本例输出为[唐, 唐, 宋, 唐, 宋].collect(Collectors.toList());//输出[唐, 宋]System.out.println(distinctDynastyList);}e. 切片
切片为从流中取部分子集主要方法有
limit(n) 传入long类型参数截取原Stream的前n项drop(n) 与limit()正好相反是舍弃前n项保留n1项以后的数据takewhile()传一个谓词通过谓词判断true或false连续取满足条件true的项直到遇到第一个false的停止并舍弃自此之后的项dropwhile()正好与takewhile()相反舍弃连续满足条件true的项直到遇到第一个false的并从此取之后的数据 /*** 截取前n项*/public void limit() {ListPerson subPersonList personList.stream().limit(2) //取前两项.collect(Collectors.toList());//输出[Person(name李白, age61, dynasty唐, literature[将进酒, 行路难]), Person(name杜甫, age59, dynasty唐, literature[登高, 茅屋为秋风所破歌])]System.out.println(subPersonList);}/*** 舍弃前n项*/public void skip() {ListPerson subPersonList personList.stream().skip(4) //取前4项.collect(Collectors.toList());//输出[Person(name李清照, age71, dynasty宋, literature[如梦令])]System.out.println(subPersonList);}/*** 切片取前若干项*/public void takewhile() {ListPerson subPersonList personList.stream().takeWhile(person - person.getAge() 30) //取年纪大于30的人直到遇到第一个年纪小于30的停止.collect(Collectors.toList());System.out.println(subPersonList);//输出[Person(name李白, age61, dynasty唐, literature[将进酒, 行路难]), Person(name杜甫, age59, dynasty唐, literature[登高, 茅屋为秋风所破歌]), Person(name苏轼, age64, dynasty宋, literature[水调歌头·明月几时有])]}/*** 切片取后若干项*/public void dropWhile() {ListPerson subPersonList personList.stream().dropWhile(person - person.getAge() 30) //舍弃前半部分的年纪大于30的人直到遇到第一个年纪小于30的开始取后面的数.collect(Collectors.toList());//输出[Person(name王勃, age27, dynasty唐, literature[滕王阁序]), Person(name李清照, age71, dynasty宋, literature[如梦令])]System.out.println(subPersonList);}f. 查找判断
查找判断包括判断流中元素是否满足某个条件以及取出某个想要的值主要用到的有
anyMatch() 检查流中是否匹配有至少一个匹配谓词的执行结果只要有一个满足则返回为truenoneMatch() 检查流中是否一个都没有匹配谓词的执行结果只有全部都不满足才会返回truefindAny() 找出满足要求的某个值不一定是第一个匹配的速度会比较快findFirst() 找出第一个匹配要求的值 /*** 检查流中是否匹配有至少一个匹配谓词的执行结果*/public void anyMatch() {boolean result personList.stream().anyMatch(person - person.getAge() 27);//若上式为 30, 输出为false (任意一个都没有匹配) 若为 27, 输出为true(匹配到了王勃)System.out.println(result);}/*** 检查流中是否一个都没有匹配谓词的执行结果*/public void noneMatch() {boolean result personList.stream().noneMatch(person - person.getAge() 30);//输出为trueSystem.out.println(result);}/*** 找出任意一个匹配的结果比findFirst执行快更能并行处理*/public void findAny() {OptionalPerson any personList.stream().filter(person - person.getDynasty() 唐).findAny();//输出为Person(name李白, age61, dynasty唐, literature[将进酒, 行路难])if (any.isPresent()) {System.out.println(any.get());} else {System.out.println(不存在);}}/*** 找出第一个匹配的结果*/public void findFirst() {OptionalPerson first personList.stream().filter(person - person.getDynasty() 宋).findFirst();//输出为Person(name苏轼, age64, dynasty宋, literature[水调歌头·明月几时有])if (first.isPresent()) {System.out.println(first.get());} else {System.out.println(不存在);}}3. 终端操作
a. reduce()
reduce()可以将流中的元素依次按照方法入参的逻辑进行聚合计算得到一个结果。具体使用方式参考以下实例 /*** reduce()聚合*/public void reduce() {//用reduce求和从初始值逐个进行累加最终得到所有值的sum数据Integer sumAge personList.stream().map(person - person.getAge()) //先取年纪组成新List.reduce(0, (a, b) - a b); //首参数为初始值第二个参数为BiOperator(T,T)-T本例为(int, int) - int//输出282System.out.println(sumAge);OptionalInteger sumAge2 personList.stream().map(person - person.getAge()) //先取年纪组成新List.reduce((a, b) - a b); //无初始值的方案默认使用流的第一项作为初始值返回结果可能为null所以为Opetion类型//输出Optional[282]System.out.println(sumAge2);//求最大值OptionalInteger sumAge3 personList.stream().map(person - person.getAge()) //先取年纪组成新List.reduce(Integer::max); //可以直接用方法引用只要保证方法本身是BiOperator类型即可//输出Optional[71]System.out.println(sumAge3);}b. collect()
collect()可传入java.util.stream.Collector的实现类来定义对流中的元素数据做何种聚合处理。java本身也提供了很多常用的Collector实现类或工厂方法可以拿来主义的直接使用比如之前见到的toList()方法就是工厂方法java.util.stream.Collectors.toList()返回了一个CollectorImpl对象实现了将流Stream中的元素转换为List的终端操作。 除此之外还有很多Collector工程类下面做一些介绍
1统计相关 /*** 各种统计*/private void statistics() {//对年龄进行加总跟Stream的sum()或reduce()加年纪一个效果但不会装箱拆箱Integer sumAge personList.stream().collect(summingInt(Person::getAge)); //summingInt()方法可将Stream中的int元素进行累加System.out.println(sumAge);//平均值Double avgAge personList.stream().collect(averagingInt(Person::getAge));//打印56.4System.out.println(avgAge);//summarizingInt()可以返回一个多维度统计的结果对象IntSummaryStatistics collect personList.stream().collect(summarizingInt(Person::getAge));//打印IntSummaryStatistics{count5, sum282, min27, average56.400000, max71}System.out.println(collect);//maxBy()可以返回按某种条件判断得到的某个T元素本例为返回年纪最大的人OptionalPerson maxPerson personList.stream().collect(maxBy(Comparator.comparing(Person::getAge)));//打印Optional[Person(name李清照, age71, dynasty宋, literature[如梦令])]System.out.println(maxPerson);}2joining()聚合拼装字符串 /*** 将流中的每个对象调用toString()方法串联起来形成一个string字符串*/private void joining() {String jsonString personList.stream().map(Person::getName).collect(Collectors.joining());//打印李白杜甫苏轼王勃李清照System.out.println(jsonString);//可加间隔参数String jsonString2 personList.stream().map(Person::getName).collect(Collectors.joining(,));//打印李白,杜甫,苏轼,王勃,李清照System.out.println(jsonString2);}2reducing() 聚合方法
聚合reducing()是更原始的collect方法很多Stream的聚合方法、Collector接口方法的底层都是利用reducing方法来实现逻辑 /*** reducing实例*/private void reducing() {Integer maxAge personList.stream().collect(Collectors.reducing(0, //初始值类型为TPerson::getAge, //流中对象的取值返回类型也为TMath::max)); //BiOperator类型的方法入参为(T, T) - TSystem.out.println(maxAge);}3groupingBy() 聚合方法
groupingBy()方法可以接收一个参数按照此参数的计算将原Stream分成不同的group组 private void groupingBy1() {MapString, ListPerson listMap personList.stream().collect(Collectors.groupingBy(Person::getDynasty)); //按朝代进行分组//{唐[Person(name李白, age61, dynasty唐, literature[将进酒, 行路难]),// Person(name杜甫, age59, dynasty唐, literature[登高, 茅屋为秋风所破歌]),// Person(name王勃, age27, dynasty唐, literature[滕王阁序])],// 宋[Person(name苏轼, age64, dynasty宋, literature[水调歌头·明月几时有]),// Person(name李清照, age71, dynasty宋, literature[如梦令])]}System.out.println(listMap);}为了在分组后对子组数据进行更复杂的操作groupingBy()方法提供了可传入两个参数的重载方法。第一个参数还是用来分组的参数第二个分组为一个Collector对象可通过这个Collector对象对每个组中的子数据集进行后续的计算整个方法就可以变得很灵活 /*** groupingBy()复杂用法*/private void groupingBy2() {//按朝代进行分组,然后挑选出来作品数量大于1的作家MapString, ListPerson groupFilter personList.stream().collect(Collectors.groupingBy(Person::getDynasty,filtering(person - person.getLiterature().size() 1, toList()))); //过滤作品数量大于1//{唐[Person(name李白, age61, dynasty唐, literature[将进酒, 行路难]), Person(name杜甫, age59, dynasty唐, literature[登高, 茅屋为秋风所破歌])],// 宋[]}/* 可以看到宋朝作为一个分类保留下来了虽然内容为空 */System.out.println(groupFilter);//按朝代进行分组,然后将value转换为名字的数据集合MapString, ListString group2 personList.stream().collect(Collectors.groupingBy(Person::getDynasty,mapping(Person::getName, toList())));//{唐[李白, 杜甫, 王勃], 宋[苏轼, 李清照]}System.out.println(group2);//按朝代进行分组,然后将作品flatmap到一个流中MapString, ListString group3 personList.stream().collect(Collectors.groupingBy(Person::getDynasty,flatMapping(item - item.getLiterature().stream(), toList())));//{唐[将进酒, 行路难, 登高, 茅屋为秋风所破歌, 滕王阁序], 宋[水调歌头·明月几时有, 如梦令]}System.out.println(group3);//按朝代分组再统计各组数量MapString, Long group4 personList.stream().collect(Collectors.groupingBy(Person::getDynasty,Collectors.counting()));//{唐3, 宋2}System.out.println(group4);//按朝代分组再按年龄条件取各组最大值注意Value是OptionalPerson原对象MapString, OptionalPerson groupByMaxAge personList.stream().collect(Collectors.groupingBy(Person::getDynasty,maxBy(Comparator.comparing(Person::getAge))));//{唐Optional[Person(name李白, age61, dynasty唐, literature[将进酒, 行路难])], 宋Optional[Person(name李清照, age71, dynasty宋, literature[如梦令])]}System.out.println(groupByMaxAge);//通过collectingAndThen()方法对对象做额外的处理MapString, Person groupByMaxAge2 personList.stream().collect(Collectors.groupingBy(Person::getDynasty,collectingAndThen( //多加个collectingAndThen()对Optional做额外的get操作maxBy(Comparator.comparing(Person::getAge)), Optional::get)));//{唐Person(name李白, age61, dynasty唐, literature[将进酒, 行路难]), 宋Person(name李清照, age71, dynasty宋, literature[如梦令])}System.out.println(groupByMaxAge2);}因为第二个入参为Collector类对象而groupingBy()本身也是Collector对象工厂方法因此可以进行循环嵌套进行多级分组 private void multiGroupingBy() {//先按朝代、再按作品数量进行分组, 取了作家姓名MapString, MapInteger, ListString mulGroup personList.stream().collect(Collectors.groupingBy(Person::getDynasty,Collectors.groupingBy(person - person.getLiterature().size(),mapping(Person::getName, toList()))));//{唐{1[王勃], 2[李白, 杜甫]}, 宋{1[苏轼, 李清照]}}System.out.println(mulGroup);} 总结 groupingBy()的第二个参数,还可以传一个Collector子Collector的操作对象为分组之后的每个组下的子Stream这样就实现了嵌套可以将前面学过的reducing、mapping、filtering等方法都用在嵌套中 除此之外还有一种针对boolean类型的特殊分类partitionBy() private void partitionBy() {//partitioningBy(), 一种groupingBy的特例第一个参数为一个谓词将数组分为false和true两部分MapBoolean, ListString partitioningBy personList.stream().collect(partitioningBy(item - item.getAge() 60,mapping(Person::getName, toList())));//{false[杜甫, 王勃], true[李白, 苏轼, 李清照]}System.out.println(partitioningBy);}
