Java8使用Stream流操作List
目录
- Java8使用Stream流操作List
- 创建对象
- 一.分组方法
- 1.1 groupingBy (常用)
- 1.2 多级分组
- 1.3 分组汇总
- 二.查询的方法
- 2.1 distinct() 去除重复 (常用)
- 2.2 limit(long n) 和 skip(long n)
- 2.3 map(T -> R) (常用) 和 flatMap(T -> Stream)
- 2.4 filter(T -> boolean)过滤
- 2.5 findAny() 和 findFirst()
- 三.排序方法
- 3.1 sorted() / sorted((T, T) -> int) (常用)
- 四.判断方法
- 4.1 anyMatch(T -> boolean)
- 4.2 allMatch(T -> boolean)
- 4.3 noneMatch(T -> boolean)
- 五.统计方法
- 5.1 counting() 和 count()
- 5.2 reduce((T, T) -> T) 和 reduce(T, (T, T) -> T)
- 5.3 mapToInt(T -> int) 、mapToDouble(T -> double) 、mapToLong(T -> long)
- 5.4 summingInt()、summingLong()、summingDouble() 用于计算总和
- 5.5 averagingInt()、averagingLong()、averagingDouble()用于计算平均值
- 5.6 summarizingInt()、summarizingLong()、summarizingDouble()
- 5.7 BigDecimal类型的统计
创建对象
//user对象
public class UserPO {
@ApiModelProperty(example = "", required = false, value = "序号")
private Integer id;
@ApiModelProperty(example = "", required = false, value = "姓名")
private String name;
@ApiModelProperty(example = "", required = false, value = "性别")
private String sex;
@ApiModelProperty(example = "", required = false, value = "年龄")
private Integer age;
@ApiModelProperty(example = "", required = false, value = "部门")
private String department;
@ApiModelProperty(example = "", required = false, value = "工资")
private BigDecimal salary;
public UserPO(Integer id, String name, String sex, Integer age, String department, BigDecimal salary) {
this.id = id;
this.name = name;
this.sex = sex;
this.age = age;
this.department = department;
this.salary = salary;
}
public Integer getId() {
return id;
}
public void setId(Integer 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 Integer getAge() {
return age;
}
public void setAge(Integer 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 "UserPO{" +
"序号=" + id +
", 姓名='" + name + '\'' +
", 性别='" + sex + '\'' +
", 年龄=" + age +
", 部门='" + department + '\'' +
", 工资=" + salary +
'}';
}
}一.分组方法
1.1 groupingBy (常用)
使用 groupingBy() 将数据进行分组，最终返回一个 Map 类型。
注意 : 集合如果为空,进行分组时会抛异常
例 : 根据部门对用户列表进行分组
/**
* @Description groupingBy() 分组
* @Author gzh
*/
@Test
public void groupingByTest(){
//获取用户列表
List<UserPO> userList = getUserList();
//根据部门对用户列表进行分组
Map<String,List<UserPO>> userMap = userList.stream().collect(Collectors.groupingBy(UserPO::getDepartment));
//遍历分组后的结果
userMap.forEach((key, value) -> {
System.out.println(key + "：");
value.forEach(System.out::println);
System.out.println("-------------------");
});
}执行结果
1.2 多级分组
groupingBy 可以接受一个第二参数实现多级分组。
例 : 根据部门和性别对用户列表进行分组。
/**
* @Description 使用 groupingBy() 多级分组
* @Author gzh
*/
@Test
public void multistageGroupingByTest() {
//获取用户列表
List<UserPO> userList = getUserList();
//根据部门和性别对用户列表进行分组
Map<String,Map<String,List<UserPO>>> userMap = userList.stream().collect(Collectors.groupingBy(UserPO::getDepartment,Collectors.groupingBy(UserPO::getSex)));
//遍历分组后的结果
userMap.forEach((key1, map) -> {
System.out.println(key1 + "：");
map.forEach((key2,user)->{
System.out.println(key2 + "：");
user.forEach(System.out::println);
});
System.out.println("------------------------------");
});
}执行结果
1.3 分组汇总
例 : 根据部门进行分组，汇总各个部门用户的平均年龄。
/**
* @Description 使用 groupingBy() 分组汇总
* @Author gzh
*/
@Test
public void groupCollectTest() {
//获取用户列表
List<UserPO> userList = getUserList();
//根据部门进行分组，汇总各个部门用户的平均年龄
Map<String, Double> userMap = userList.stream().collect(Collectors.groupingBy(UserPO::getDepartment, Collectors.averagingInt(UserPO::getAge)));
//遍历分组后的结果
userMap.forEach((key, value) -> {
System.out.println(key + "的平均年龄：" + value);
});
}执行结果
二.查询的方法
2.1 distinct() 去除重复 (常用)
使用 distinct() 方法可以去除重复的数据。
例 : 获取部门列表，并去除重复数据。
/**
* @Description 使用distinct()去除重复数据
* @Author gzh
*/
@Test
public void distinctTest() {
//获取用户列表
List<UserPO> userList = getUserList();
//获取部门列表，并去除重复数据
List<String> departmentList = userList.stream().map(UserPO::getDepartment).distinct().collect(Collectors.toList());
//遍历部门列表
System.out.println("------去重前------");
userList.forEach(item->{
System.out.println(item.getDepartment());
});
System.out.println("------去重后------");
departmentList.forEach(System.out::println);
}执行结果
2.2 limit(long n) 和 skip(long n)
limit(long n) 方法用于返回前n条数据，skip(long n) 方法用于跳过前n条数据。
例 : 获取用户列表，要求跳过第1条数据后的前3条数据。
/**
* @Description limit(long n)方法用于返回前n条数据 skip(long n)方法用于跳过前n条数据
* @Author gzh
*/
@Test
public void limitAndSkipTest() {
//获取用户列表
List<UserPO> userList = getUserList();
//获取用户列表，要求跳过第1条数据后的前3条数据
userList = userList.stream().skip(1).limit(3).collect(Collectors.toList());
//遍历用户列表
userList.forEach(System.out::println);
}执行结果
2.3 map(T -> R) (常用) 和 flatMap(T -> Stream)
使用 map() 将流中的每一个元素 T 映射为 R（类似类型转换）。
注意 : 当集合为null时,使用map()获取列元素时不会抛异常
使用 flatMap() 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。
例 : 使用 map() 方法获取用户列表中的名称列。
/**
* @Description 使用map()获取列元素
* @Author gzh
*/
@Test
public void mapTest() {
//获取用户列表
List<UserPO> userList = getUserList();
//获取用户名称列表
List<String> nameList = userList.stream().map(UserPO::getName).collect(Collectors.toList());
//或者
List<Integer> gaeList = userList.stream().map(user -> user.getAge()).collect(Collectors.toList());
//遍历名称列表
nameList.forEach(System.out::println);
//遍历年龄
gaeList.forEach(System.out::println);
}数组类型
//数组类型
String[] nameArray = userList.stream().map(UserPO::getName).collect(Collectors.toList()).toArray(new String[userList.size()]);执行结果
例 : 使用 flatMap() 将流中的每一个元素连接成为一个流。
/**
* @Description 使用flatMap()将流中的每一个元素连接成为一个流
* @Author gzh
*/
@Test
public void flatMapTest() {
//创建城市
List<String> cityList = new ArrayList<String>();
cityList.add("北京；上海；广州；深圳");
cityList.add("苏州；武汉；杭州；南京");
//分隔城市列表，使用 flatMap() 将流中的每一个元素连接成为一个流。
cityList = cityList.stream().map(city -> city.split("；")).flatMap(Arrays::stream).collect(Collectors.toList());
//遍历城市列表
cityList.forEach(System.out::println);
}执行结果
2.4 filter(T -> boolean)过滤
使用 filter() 过滤列表数据。
例 : 获取部门为“研发部”的用户列表。
/**
* @Description 使用filter()过滤列表信息
* @Author gzh
*/
@Test
public void filterTest() {
//获取用户列表
List<UserPO> userList = getUserList();
//获取部门为“研发部”的用户列表
userList = userList.stream().filter(user -> user.getDepartment().equals("研发部")).collect(Collectors.toList());
//遍历用户列表
userList.forEach(System.out::println);
}执行结果
2.5 findAny() 和 findFirst()
使用 findAny() 和 findFirst() 获取一条数据。
例 : 获取用户名称为“研发部”的用户信息，如果未找到则返回null。
/**
* @Description 使用findAny()获取第一条数据
* @Author gzh
*/
@Test
public void findAnytTest() {
//获取用户列表
List<UserPO> userList = getUserList();
//获取用户名称为“研发部”的用户信息，如果没有找到则返回null
UserPO user = userList.stream().filter(u -> u.getDepartment().equals("研发部")).findAny().orElse(null);
//打印用户信息
System.out.println(user);
}执行结果
注意：findFirst() 和 findAny() 都是获取列表中的第一条数据，但是findAny()操作，返回的元素是不确定的，对于同一个列表多次调用findAny()有可能会返回不同的值。使用findAny()是为了更高效的性能。如果是数据较少，串行地情况下，一般会返回第一个结果，如果是并行（parallelStream并行流）的情况，那就不能确保是第一个。
例 ：使用parallelStream并行流，findAny() 返回的就不一定是第一条数据。
UserPO user = userList.parallelStream().filter(u -> u.getDepartment().startsWith("研发部")).findAny().orElse(null);执行多次的结果
三.排序方法
3.1 sorted() / sorted((T, T) -> int) (常用)
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 Stream。反之, 需要调用 sorted((T, T) -> int) 实现 Comparator 接口。
例 : 根据用户年龄进行排序。
/**
* @Description 使用 sorted() 排序
* @Author gzh
*/
@Test
public void sortedTest() {
//获取用户列表
List<UserPO> userList = getUserList();
//根据年龄排序（升序）
userList = userList.stream().sorted(Comparator.comparingInt(UserPO::getAge)).collect(Collectors.toList());
//根据年龄排序(降序) reversed()相反的
List<UserPO> userLists = userList.stream().sorted(Comparator.comparingInt(UserPO::getAge).reversed()).collect(Collectors.toList());
//遍历用户列表（升序）
userList.forEach(System.out::println);
System.out.println("--------------------");
//遍历用户列表（降序）
userLists.forEach(System.out::println);
}执行结果
四.判断方法
4.1 anyMatch(T -> boolean)
使用 anyMatch(T -> boolean) 判断流中是否有一个元素匹配给定的 T -> boolean 条件。
4.2 allMatch(T -> boolean)
使用 allMatch(T -> boolean) 判断流中是否所有元素都匹配给定的 T -> boolean 条件。
4.3 noneMatch(T -> boolean)
使用 noneMatch(T -> boolean) 流中是否没有元素匹配给定的 T -> boolean 条件。
例 : 使用 anyMatch()、allMatch()、noneMatch() 进行判断。
/**
* @Description 使用 anyMatch()、allMatch()、noneMatch() 进行判断
* @Author gzh
*/
@Test
public void matchTest() {
//获取用户列表
List<UserPO> userList = getUserList();
//判断用户列表中是否存在名称为“张三”的数据
boolean result1 = userList.stream().anyMatch(user -> user.getName().equals("张三"));
//判断用户名称是否都包含“张三”字段
boolean result2 = userList.stream().allMatch(user -> user.getName().contains("张三"));
//判断用户名称是否存在不包含“张三”字段
boolean result3 = userList.stream().noneMatch(user -> user.getName().contains("张三"));
//打印结果
System.out.println(result1);
System.out.println(result2);
System.out.println(result3);
}执行结果
五.统计方法
5.1 counting() 和 count()
使用 counting() 和 count() 可以对列表数据进行统计。
例 : 使用 count() 统计用户列表信息。
/**
* @Description 使用 counting() 或 count() 统计
* @Author gzh
*/
@Test
public void countTest() {
//获取用户列表
List<UserPO> userList = getUserList();
//统计研发部的人数，使用 counting()方法进行统计
Long departCount = userList.stream().filter(user -> user.getDepartment().equals("研发部")).collect(Collectors.counting());
//统计30岁以上的人数，使用 count()方法进行统计（推荐）
Long ageCount = userList.stream().filter(user -> user.getAge() >= 30).count();
//统计薪资大于1500元的人数
Long salaryCount = userList.stream().filter(user -> user.getSalary().compareTo(BigDecimal.valueOf(1500)) == 1).count();
//打印结果
System.out.println("研发部的人数：" + departCount + "人");
System.out.println("30岁以上的人数：" + ageCount + "人");
System.out.println("薪资大于1500元的人数：" + salaryCount + "人");
}执行结果
5.2 reduce((T, T) -> T) 和 reduce(T, (T, T) -> T)
使用 reduce((T, T) -> T) 和 reduce(T, (T, T) -> T) 用于组合流中的元素，如求和，求积，求最大值等。
例 : 使用 reduce() 求用户列表中年龄的最大值、最小值、总和。
/**
* @Description 使用 reduce() 方法
* @Author gzh
*/
@Test
public void reduceTest() {
//获取用户列表
List<UserPO> userList = getUserList();
//用户列表中年龄的最大值、最小值、总和
int maxVal = userList.stream().map(UserPO::getAge).reduce(Integer::max).get();
int minVal = userList.stream().map(UserPO::getAge).reduce(Integer::min).get();
int sumVal = userList.stream().map(UserPO::getAge).reduce(0,Integer::sum);
//打印结果
System.out.println("最大年龄：" + maxVal);
System.out.println("最小年龄：" + minVal);
System.out.println("年龄总和：" + sumVal);
}执行结果
5.3 mapToInt(T -> int) 、mapToDouble(T -> double) 、mapToLong(T -> long)
int sumVal = userList.stream().map(User::getAge).reduce(0,Integer::sum)；计算元素总和的方法其中暗含了装箱成本，map(User::getAge) 方法过后流变成了 Stream 类型，而每个 Integer 都要拆箱成一个原始类型再进行 sum 方法求和，这样大大影响了效率。针对这个问题 Java 8 有良心地引入了数值流 IntStream, DoubleStream, LongStream，这种流中的元素都是原始数据类型，分别是 int，double，long。
流转换为数值流：
mapToInt(T -> int) : return IntStream
mapToDouble(T -> double) : return DoubleStream
mapToLong(T -> long) : return LongStream
例 : 使用 mapToInt() 求用户列表中年龄的最大值、最小值、总和、平均值。
/**
* @Description 使用 mapToInt() 方法
* @Author gzh
*/
@Test
public void mapToIntTest() {
//获取用户列表
List<UserPO> userList = getUserList();
//用户列表中年龄的最大值、最小值、总和、平均值
int maxVal = userList.stream().mapToInt(UserPO::getAge).max().getAsInt();
int minVal = userList.stream().mapToInt(UserPO::getAge).min().getAsInt();
int sumVal = userList.stream().mapToInt(UserPO::getAge).sum();
double aveVal = userList.stream().mapToInt(UserPO::getAge).average().getAsDouble();
//打印结果
System.out.println("最大年龄：" + maxVal);
System.out.println("最小年龄：" + minVal);
System.out.println("年龄总和：" + sumVal);
System.out.println("平均年龄：" + aveVal);
}执行结果
5.4 summingInt()、summingLong()、summingDouble() 用于计算总和
例 : 计算年龄总和
//计算年龄总和
int sumAge = userList.stream().collect(Collectors.summingInt(UserPO::getAge));5.5 averagingInt()、averagingLong()、averagingDouble()用于计算平均值
例 : 计算平均年龄
//计算平均年龄
double aveAge = userList.stream().collect(Collectors.averagingDouble(UserPO::getAge));5.6 summarizingInt()、summarizingLong()、summarizingDouble()
这三个方法比较特殊，比如 summarizingInt 会返回 IntSummaryStatistics 类型。
IntSummaryStatistics类提供了用于计算的平均值、总数、最大值、最小值、总和等方法，方法如下图：
例 : 使用 IntSummaryStatistics 统计：最大值、最小值、总和、平均值、总数
/**
* @Description 使用 summarizingInt 统计
* @Author gzh
*/
@Test
public void summarizingIntTest() {
//获取用户列表
List<UserPO> userList = getUserList();
//获取IntSummaryStatistics对象
IntSummaryStatistics ageStatistics = userList.stream().collect(Collectors.summarizingInt(UserPO::getAge));
//统计：最大值、最小值、总和、平均值、总数
System.out.println("最大年龄：" + ageStatistics.getMax());
System.out.println("最小年龄：" + ageStatistics.getMin());
System.out.println("年龄总和：" + ageStatistics.getSum());
System.out.println("平均年龄：" + ageStatistics.getAverage());
System.out.println("员工总数：" + ageStatistics.getCount());
}执行结果
5.7 BigDecimal类型的统计
对于资金相关的字段，通常会使用BigDecimal数据类型。
例 : 统计用户薪资信息。
/**
* @Description BigDecimal类型的统计
* @Author gzh
*/
@Test
public void BigDecimalTest(){
//获取用户列表
List<UserPO> userList = getUserList();
//最高薪资
BigDecimal maxSalary = userList.stream().map(UserPO::getSalary).max((x1, x2) -> x1.compareTo(x2)).get();
//最低薪资
BigDecimal minSalary = userList.stream().map(UserPO::getSalary).min((x1, x2) -> x1.compareTo(x2)).get();
//薪资总和
BigDecimal sumSalary = userList.stream().map(UserPO::getSalary).reduce(BigDecimal.ZERO, BigDecimal::add);
//平均薪资
BigDecimal avgSalary = userList.stream().map(UserPO::getSalary).reduce(BigDecimal.ZERO, BigDecimal::add).divide(BigDecimal.valueOf(userList.size()), 2, BigDecimal.ROUND_HALF_UP);
//打印统计结果
System.out.println("最高薪资：" + maxSalary + "元");
System.out.println("最低薪资：" + minSalary + "元");
System.out.println("薪资总和：" + sumSalary + "元");
System.out.println("平均薪资：" + avgSalary + "元");
}执行结果
本文章为转载内容，我们尊重原作者对文章享有的著作权。如有内容错误或侵权问题，欢迎原作者联系我们进行内容更正或删除文章。
