Java8 - Stream API 处理集合数据

Java 8的Stream API提供了一种功能强大的方式来处理集合数据，以函数式和声明式的方式进行操作。Stream API允许您对元素集合执行操作，如过滤、映射和归约，以简洁高效的方式进行处理。

下面是Java 8 Stream API的一些关键特性和概念：

① 创建流：您可以从各数据源创建流，如集合、数组或I/O通道。

② 中间操作：Stream提供了一组中间操作，可以链接在一起对数据进行转换或过滤。一些常见的中间操作包括filter、map、flatMap、distinct、sorted和limit。

③ 终端操作：终端操作用于生成结果或产生副作用。终端操作的示例包括forEach、collect、reduce、min、max和count。

④ 惰性求值：Stream支持惰性求值，这意味着中间操作只有在调用终端操作时才会执行。这样可以高效处理大型数据集。

⑤ 并行处理：Stream API还支持并行处理，允许您利用多核处理器加速对大型数据集的操作。您可以使用parallel或parallelStream方法将顺序流转换为并行流。

01. map 函数

通过使用map函数，我们可以对流中的每个元素进行转换操作，从而得到一个新的流。这种转换可以是类型转换、属性提取、计算等。

@NoArgsConstructor
@AllArgsConstructor
@Data
public class Person {private String name;private Integer age;
}

@Test
public void test0() {List<Person> list = Arrays.asList(new Person("zhangsan", 10),new Person("zhangsan", 11),new Person("wangwu", 12));//(1) map函数将list中的每个Person对象映射为其name属性，并使用collect()方法将新的流收集到一个新的列表nameList中List<String> nameList = list.stream().map(person -> {return person.getName();}).collect(Collectors.toList());System.out.println(nameList);  // [zhangsan, zhangsan, wangwu]//(2) map函数将list中的每个Person对象映射为其年龄，并将映射后的结果收集到一个新的整数列表ageList中List<Integer> ageList = list.stream().map(Person::getAge).collect(Collectors.toList());System.out.println(ageList);//(3) map函数将list中的每个Person对象映射为其年龄加1后的整数，并使用collect方法将映射后的结果收集到一个新的列表ageList1中List<Integer> ageList1 = list.stream().map(person -> {return person.getAge() + 1;}).collect(Collectors.toList());//(4) map函数将list中的每个Person对象的名称转换为大写形式，并将结果收集到一个新的字符串列表uppercaseNames中。List<String> uppercaseNames = list.stream().map(person -> {return person.getName().toUpperCase();}).collect(Collectors.toList());
}

02. mapToInt函数

mapToInt是Stream接口提供的一个方法，用于将流中的元素映射为int类型的值。它接受一个ToIntFunction参数，用于指定如何将流中的元素映射为int类型的值。

@Test
public void test14() {List<Integer> numbers = Arrays.asList(1, 2, 3, 4, 5);// map 函数Stream<Integer> stream = numbers.stream().map(n -> n * n);List<Integer> list1 = stream.collect(Collectors.toList());System.out.println(list1);// mapToInt 函数IntStream intStream = numbers.stream().mapToInt(n -> n * n);int sum = intStream.sum(); // 求和// OptionalDouble average = intStream.average(); // 平均值// OptionalInt max = intStream.max(); // 最大值// OptionalInt min = intStream.min(); // 最小值
}

map和mapToInt都是Stream接口提供的方法，用于对流中的元素进行映射转换。它们的区别在于返回值的类型和适用范围：

① map方法接受一个Function参数，用于指定如何将流中的元素映射为其他类型的值。它返回一个新的流，其中包含映射后的值。返回的流是一个泛型流，即Stream，其中R是映射后的值的类型。

② mapToInt方法也接受一个Function参数，用于指定如何将流中的元素映射为int类型的值。它返回一个新的IntStream，其中包含映射后的int值。返回的流是一个特殊的流，专门用于处理int类型的值，提供了更高效的操作和更少的内存消耗。

需要注意的是，IntStream提供了一些特殊的操作，例如sum、average、max、min等，这些操作只适用于IntStream，而不适用于泛型流Stream。如果需要对映射后的值进行这些特殊操作，应该使用mapToInt方法。

除了mapToInt方法，Stream接口还提供了其他一些类似的映射方法，如mapToLong和mapToDouble，用于将流中的元素映射为long类型和double类型的值。

03. filter 函数

通过使用filter函数，我们可以根据指定的条件过滤出流中满足条件的元素，从而得到一个新的流。这种过滤可以是基于元素的某个属性、某种关系或其他条件。

@NoArgsConstructor
@AllArgsConstructor
@Data
public class Person {private String name;private Integer age;
}

@Test
public void test1() {List<Person> list = Arrays.asList(new Person("zhangsan", 10),new Person("zhangsan", 11),new Person("wangwu", 12));// filter函数过滤出列表中Person对象的name为zhangsan的元素，最后使用collect方法将过滤后的结果收集到一个新的列表中。List<Person> list1 = list.stream().filter(person -> {return person.getName().equals("zhangsan");}).collect(Collectors.toList());System.out.println(list1); // [Person(name=zhangsan, age=10), Person(name=zhangsan, age=11)]// 简洁写法List<Person> list2 = list.stream().filter(person -> person.getName().equals("zhangsan")).collect(Collectors.toList());// filter函数过滤出列表中Person对象的age为偶数的元素，最后使用collect方法将过滤后的结果收集到一个新的列表中。List<Person> list3 = list.stream().filter(person -> person.getAge() % 2 == 0).collect(Collectors.toList());System.out.println(list3); // [Person(name=zhangsan, age=10), Person(name=wangwu, age=12)]
}

04. flatMap 函数

flatMap函数是一种中间操作，用于对流中的每个元素进行映射操作，并将映射结果扁平化为一个新的流。

① flatMap函数将每个子列表映射为一个流，并将这些流扁平化为一个新的流：

@Test
public void test2() {// 首先创建一个嵌套的整数列表nestedList，其中包含了三个子列表。List<List<Integer>> nestedList = Arrays.asList(Arrays.asList(1, 2, 3),Arrays.asList(4, 5, 6),Arrays.asList(7, 8, 9));// flatMap函数将每个子列表映射为一个流，并将这些流扁平化为一个新的流，最后使用collect方法将扁平化后的结果收集到一个新的整数列表flattenedList中。List<Integer> flattenedList = nestedList.stream().flatMap(list->{return list.stream();}).collect(Collectors.toList());// 简洁写法List<Integer> collect = nestedList.stream().flatMap(List::stream).collect(Collectors.toList());System.out.println(collect);
}

② 使用flatMap函数将list中每个Person对象的ids列表扁平化为一个新的流：

@NoArgsConstructor
@AllArgsConstructor
@Data
public class Person {List<Integer> ids;private String name;private Integer age;public Person(String name,Integer age){this.name = name;this.age = age;}
}

@Test
public void test3() {Person qo1 = new Person("zhangsan",10);qo1.setIds(Arrays.asList(1,2,3));Person qo2 = new Person("zhangsan",11);qo2.setIds(Arrays.asList(4,5,6));Person qo3 = new Person("wangwu",12);qo3.setIds(Arrays.asList(7,8,9));List<Person> list = new ArrayList<>();list.add(qo1);list.add(qo2);list.add(qo3);List<Integer> list1 = list.stream().flatMap(Person -> {return Person.getIds().stream();}).collect(Collectors.toList());System.out.println(list1); // [1, 2, 3, 4, 5, 6, 7, 8, 9]List<List<Integer>> list2 = list.stream().map(Person -> {return Person.getIds();}).collect(Collectors.toList());System.out.println(list2); // [[1, 2, 3], [4, 5, 6], [7, 8, 9]]List<Integer> list3 = list.stream().flatMap(Person -> {return Optional.ofNullable(Person.getIds()).orElse(new ArrayList<>()).stream();}).collect(Collectors.toList());System.out.println(list3); // [1, 2, 3, 4, 5, 6, 7, 8, 9]
}

05. distinct 函数

distinct函数是一种中间操作，用于去除流中的重复元素，保留唯一的元素。它会根据元素的equals方法进行比较来判断元素是否重复。

@Test
public void test4() {List<Integer> list = Arrays.asList(1, 1, 2, 2, 3, 3, 4, 5);List<Integer> list1 = list.stream().distinct().collect(Collectors.toList());System.out.println(list1);
}

如果想要根据对象的属性进行去重，您可以使用Java 8的Stream API结合distinct函数和自定义的equals和hashCode方法来实现。

@NoArgsConstructor
@AllArgsConstructor
@Data
public
class Person {private String name;private int age;@Overridepublic boolean equals(Object o) {if (this == o) return true;if (o == null || getClass() != o.getClass()) return false;Person person = (Person) o;return age == person.age && Objects.equals(name, person.name);}@Overridepublic int hashCode() {return Objects.hash(name, age);}
}

@Test
public void test5() {List<Person> list = Arrays.asList(new Person("zhangsan", 10),new Person("zhangsan", 10),new Person("wangwu", 12));List<Person> collect = list.stream().distinct().collect(Collectors.toList());System.out.println(collect); // [Person(name=zhangsan, age=10), Person(name=wangwu, age=12)]
}

06. sorted 函数

sorted函数是一种中间操作，用于对流中的元素进行排序。它可以按照自然顺序或者通过自定义的比较器进行排序。

① sorted()：按照自然顺序对流中的元素进行排序。

@Test
public void test6() {List<Integer> numbers = Arrays.asList(5, 2, 8, 1, 3);List<Integer> sortedNumbers = numbers.stream().sorted().collect(Collectors.toList());System.out.println(sortedNumbers); // [1, 2, 3, 5, 8]
}

② sorted(Comparator<? super T> comparator)：根据自定义的比较器对流中的元素进行排序。

@Test
public void test7() {List<Integer> numbers = Arrays.asList(5, 2, 8, 1, 3);List<Integer> sortedNumbers = numbers.stream().sorted(new Comparator<Integer>() {@Overridepublic int compare(Integer obj1, Integer obj2) {// 倒序排序return obj2-obj1;}}).collect(Collectors.toList());System.out.println(sortedNumbers); // [8, 5, 3, 2, 1]// 降序排序List<Integer> collect = numbers.stream().sorted(Comparator.reverseOrder()).collect(Collectors.toList());
}

07. limit 函数

limit 函数是一种中间操作，用于截取流中的前n个元素。它会返回一个新的流，其中包含原始流中的前n个元素。

@Test
public void test8() {List<Integer> numbers = Arrays.asList(5, 2, 8, 1, 3);// 截取列表中的前3个元素List<Integer> list1 = numbers.stream().limit(3).collect(Collectors.toList());System.out.println(list1); // [5, 2, 8]// 对列表中的元素排序，再截取列表中的前3个元素List<Integer> list2 = numbers.stream().sorted().limit(3).collect(Collectors.toList());System.out.println(list2); // [1, 2, 3]
}

08. min 函数

min函数是一种终端操作，用于找到流中的最小元素。它接受一个Comparator函数作为参数，用于确定元素的顺序。通过使用min函数，我们可以方便地找到流中的最小元素。这对于需要找到最小值或根据某个属性进行排序的场景非常有用。

@Test
public void test9() {List<Integer> numbers = Arrays.asList(5, 2, 8, 1, 3);// min函数并传入比较器，找到流中的最小值Optional<Integer> optional = numbers.stream().min(new Comparator<Integer>() {@Overridepublic int compare(Integer o1, Integer o2) {// 正序排序return o1 - o2;}});// 简洁写法Optional<Integer> optional1 = numbers.stream().min(Integer::compareTo);// 使用Optional类来处理可能为空的结果，并打印输出最小值if(optional.isPresent()){System.out.println(optional.get()); // 1}else {System.out.println("Stream is empty");}
}@Test
public void test10() {List<Integer> numbers = Arrays.asList(5, 2, 8, 1, 3);// min函数并传入比较器Optional<Integer> optional = numbers.stream().min(new Comparator<Integer>() {@Overridepublic int compare(Integer o1, Integer o2) {// 倒叙排序return o2-o1;}});// 使用Optional类来处理可能为空的结果if(optional.isPresent()){System.out.println(optional.get()); // 8}else {System.out.println("Stream is empty");}
}

09. max 函数

max函数是一种终端操作，用于找到流中的最大元素。它接受一个Comparator函数作为参数，用于确定元素的顺序。

@Test
public void test11() {List<Integer> numbers = Arrays.asList(5, 2, 8, 1, 3);// max函数并传入比较器Optional<Integer> optional = numbers.stream().max(new Comparator<Integer>() {@Overridepublic int compare(Integer o1, Integer o2) {// 正序排序return o1-o2;}});// 简洁写法Optional<Integer> optional1 = numbers.stream().max(Integer::compareTo);// 使用Optional类来处理可能为空的结果if(optional.isPresent()){System.out.println(optional.get()); // 8}else {System.out.println("Stream is empty");}
}

10. count 函数

count函数是一种终端操作，用于计算流中的元素数量。它返回一个long类型的值，表示流中的元素个数。

@Test
public void test12() {List<Integer> numbers = Arrays.asList(5, 2, 8, 1, 3);System.out.println(numbers.stream().count()); // 5
}

11. groupby 函数

groupBy函数，用于对流中的元素进行分组。groupBy函数接受一个Function参数，用于指定分组的依据。它将流中的元素按照该函数的返回值进行分组，并返回一个Map对象，其中键是分组的依据，值是属于该分组的元素列表。

@Test
public void test12() {List<Integer> numbers = Arrays.asList(1, 2, 3, 4, 5, 6, 7, 8, 9, 10);// 使用 n -> n % 2 == 0 ? "偶数" : "奇数"作为分组的依据，将整数列表按照奇偶数进行分组。// 最终得到的groups对象是一个Map，其中键是"奇数"和"偶数"，值是属于该分组的整数列表。Map<String, List<Integer>> groups = numbers.stream().collect(Collectors.groupingBy(n -> n % 2 == 0 ? "偶数" : "奇数"));System.out.println(groups); // {偶数=[2, 4, 6, 8, 10], 奇数=[1, 3, 5, 7, 9]}
}

还可以使用groupBy函数按照对象的属性进行分组。

@Test
public void test13() {List<Person> list = Arrays.asList(new Person("zhangsan", 10),new Person("lisi", 10),new Person("wangwu", 12));Map<Integer, List<Person>> map = list.stream().collect(Collectors.groupingBy(person -> person.getAge()));// Map<Integer, List<Person>> map = list.stream().collect(Collectors.groupingBy(Person::getAge));System.out.println(map); // {10=[Person(name=zhangsan, age=10), Person(name=lisi, age=10)], 12=[Person(name=wangwu, age=12)]}
}

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。如若转载，请注明出处：http://www.mzph.cn/bicheng/39850.shtml

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈email:809451989@qq.com，一经查实，立即删除！

相关文章

windows安装Gitblit还是Bonobo Git Server

windows安装Gitblit还是Bonobo Git Server

Gitblit 和 Bonobo Git Server 都是用于托管Git仓库的工具&#xff0c;但它们是基于不同平台的不同软件。 Gitblit 是一个纯 Java 写的服务器&#xff0c;支持托管 Git&#xff0c;Mercurial 和 SVN 仓库。它需要 Java 运行环境&#xff0c;适合在 Windows、Linux 和 Mac 平台…
阅读更多...
Android 输入系统 InputStage

Android 输入系统 InputStage

整体流程如上所说&#xff0c;简要归纳如下&#xff1a; 输入法之前的处理 输入法处理 输入法之后处理 综合处理 InputStage将输入事件的处理分成若干个阶段&#xff08;Stage&#xff09;, 如果当前有输入法窗口&#xff0c;则事件处理从 NativePreIme 开始&#xff0c;否…
阅读更多...
SpringBoot MongoTemplate使用详解

SpringBoot MongoTemplate使用详解

前面文章讲了 SpringBoot整合MongoDB JPA使用&#xff1a;https://blog.csdn.net/qq_42402854/article/details/139973336 在项目中&#xff0c;通常会 JPA语法与 MongoTemplate两者结合使用&#xff0c;特别是针对复杂动态条件查询时&#xff0c;MongoTemplate更加友好。 Spr…
阅读更多...
主流国产服务器操作系统技术分析

主流国产服务器操作系统技术分析

主流国产服务器操作系统 信创 "信创"&#xff0c;即信息技术应用创新&#xff0c;作为科技自立自强的核心词汇&#xff0c;在我国信息化建设的进程中扮演着至关重要的角色。自2016年起步&#xff0c;2020年开始蓬勃兴起&#xff0c;信创的浪潮正席卷整个信息与通信技…
阅读更多...
GNeRF代码复现

GNeRF代码复现

https://github.com/quan-meng/gnerf 之前一直去复现这个代码总是文件不存在&#xff0c;我就懒得搞了&#xff08;实际上是没能力哈哈哈&#xff09; 最近突然想到这篇论文重新试试复现 一、按步骤创建虚拟环境安装各种依赖等 二、安装好之后下载数据&#xff0c;可以用Blen…
阅读更多...
virtualbox+Ubuntu部分窗口显示错乱

virtualbox+Ubuntu部分窗口显示错乱

如下图&#xff1a; 窗口标题显示错乱&#xff0c;跟一般乱码不一样。 解决办法&#xff1a; 在virtualbox设置中&#xff0c;显示选项卡&#xff0c;取消勾选启用3D加速 也可参考此链接&#xff1a;linux ubuntu 中vscode中央窗口显示出现异常/显示错误_开发工具-CSDN问答
阅读更多...
打卡第一天

打卡第一天

今天是参加算法训练营的第一天&#xff0c;希望我能把这个训练营坚持下来&#xff0c;希望我的算法编程题的能力有所提升&#xff0c;不再面试挂了&#xff0c;面试总是挂编程题&#xff0c;记录我leetcode刷题数量&#xff1a; 希望我通过这个训练营能够实现两份工作的无缝衔接…
阅读更多...
自动化任务工具 -- zTasker v1.94 绿色版

自动化任务工具 -- zTasker v1.94 绿色版

软件简介 zTasker 是一款功能强大的自动化任务管理软件&#xff0c;以其简洁易用、一键式操作而著称。软件体积小巧&#xff0c;启动迅速&#xff0c;提供了超过100种任务类型和30多种定时/条件执行方法&#xff0c;能够满足用户在自动化方面的多样化需求。 zTasker 支持定时任…
阅读更多...
从全连接到卷积

从全连接到卷积

一、全连接到卷积 1、卷积具有两个原则&#xff1a; 平移不变性&#xff1a;无论作用在哪个部分&#xff0c;它都要有相同的作用&#xff0c;而不会随着位置的改变而改变 局部性&#xff1a;卷积核作用处&#xff0c;作用域应该是核作用点的周围一小部分而不作用于更大的部分 …
阅读更多...
OBD诊断（ISO15031） 04服务

OBD诊断（ISO15031） 04服务

文章目录 功能简介ISO 9141-2、ISO 14230-4和SAE J1850的诊断服务定义1、清除/重置与排放相关的诊断信息请求消息定义2、请求与排放相关的DTC响应消息定义3、报文示例 ISO 15765-4的诊断服务定义1、请求与排放相关的DTC请求消息定义2、请求与排放相关的DTC响应消息定义3、否定响…
阅读更多...
专题二：Spring源码编译

专题二：Spring源码编译

目录 下载源码 配置Gradle 配置环境变量 配置setting文件 配置Spring源码 配置文件调整 问题解决 完整配置 gradel.properties build.gradle settiings.gradel 在专题一&#xff1a; Spring生态初探中我们从整体模块对Spring有个整体的印象&#xff0c;现在正式从最…
阅读更多...
基于Hadoop平台的电信客服数据的处理与分析③项目开发：搭建基于Hadoop的全分布式集群---任务6：安装并配置Hadoop

基于Hadoop平台的电信客服数据的处理与分析③项目开发：搭建基于Hadoop的全分布式集群---任务6：安装并配置Hadoop

任务描述 项目的运行环境为基于Hadoop的全分布式模式集群。 任务的主要内容为安装Hadoop分布式集群环境。 任务指导 Hadoop集群需要整个集群所有节点安装的Hadoop版本保持一致&#xff0c;并且拥有相同的配置 具体配置步骤如下&#xff1a; 1. 解压缩Hadoop的压缩包 2. …
阅读更多...
AI产品经理需要哪些必备技能？如何成为AI产品经理？

AI产品经理需要哪些必备技能？如何成为AI产品经理？

1.AI产品经理是什么 回答这个问题前我们首先得理清楚什么是AI产品经理&#xff0c;它和传统的互联网产品经理有什么区别。 1.1 AI产品经理职责 主要职责一方面是规划如何将成熟的AI技术应用在各个领域不同场景中&#xff0c;提升原有场景的效率或效果等&#xff1b;另一方面…
阅读更多...
在线医疗诊断平台开发教程大纲 (Java 后端，Vue 前端)—实践篇-02

在线医疗诊断平台开发教程大纲 (Java 后端，Vue 前端)—实践篇-02

第三步：创建实体类和 Mapper 文件 现在我们已经设计好了数据库表结构，接下来要使用 MyBatis 将这些表映射到 Java 对象，以便在代码中进行操作。 1. 创建实体类 在 src/main/java/<your_package>/entity 目录下 (如果没有该目录，请手动创建)，创建与数据库表对应的实…
阅读更多...
基于蜉蝣优化的聚类算法（MATLAB）

基于蜉蝣优化的聚类算法（MATLAB）

优化问题广泛存在于人们的日常生活和工程领域&#xff0c;其解决如何寻找使目标值达到最优的可行解的问题。伴随着科技发展&#xff0c;优化问题在生产调度、神经网络训练、图像处理、能源系统等领域起到举足轻重的作用&#xff0c;有助于提高系统效率。优化问题依据不同标准可…
阅读更多...
探索Spring Boot：简化Java开发的新纪元

探索Spring Boot：简化Java开发的新纪元

1. 引言 在Java开发的世界里，Spring Boot无疑是一颗璀璨的明星。自诞生以来，它以简化配置、快速开发、内嵌服务器等诸多优点迅速赢得了广大开发者的青睐。本篇博客将深入探讨Spring Boot的核心概念、特点以及其在现代Java开发中的优势，并通过详细的代码示例和实践经验，展示…
阅读更多...
Docker安装PostgreSQL详细教程

Docker安装PostgreSQL详细教程

本章教程，使用Docker安装PostgreSQL具体步骤。 一、拉取镜像 docker pull postgres二、启动容器 docker run -it --name postgres --restart always -e POSTGRES_PASSWORD=123456 -e
阅读更多...
mac上修改jupyterlab工作目录

mac上修改jupyterlab工作目录

mac上使用anaconda中的jupyterlab。 修改默认的工作目录 upyter lab --generate-config Writing default config to: /Users/xxx/.jupyter/jupyter_lab_config.py vim /Users/xiece/.jupyter/jupyter_lab_config.py # 设置c.ServerApp.notebook_dir c.ServerApp.notebook_dir …
阅读更多...
EXCEL返回未使用数组元素（未使用值）

EXCEL返回未使用数组元素（未使用值）

功能简介&#xff1a; 在我们工作中&#xff0c;需要在EXCEL表列出哪些元素&#xff08;物品或订单&#xff09;已经被使用了&#xff08;或使用了多少次&#xff09;&#xff0c;哪些没有被使用。 当数量过于庞大时人工筛选或许不是好办法&#xff0c;我们可以借助公式&…
阅读更多...
FlinkCDC 数据同步优化及常见问题排查

FlinkCDC 数据同步优化及常见问题排查

【面试系列】Swift 高频面试题及详细解答 欢迎来到我的博客&#xff0c;很高兴能够在这里和您见面&#xff01;欢迎订阅相关专栏&#xff1a; 欢迎关注微信公众号&#xff1a;野老杂谈 ⭐️ 全网最全IT互联网公司面试宝典&#xff1a;收集整理全网各大IT互联网公司技术、项目、…
阅读更多...
最新文章

Copyright @ 2022~2023