20 个实例玩转 Java 8 Stream，写的太好了！

于 2024-03-17 22:51:26 发布
阅读量801 收藏 22
点赞数 27
分类专栏： Java程序员 文章标签： java python windows
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/2401_83620927/article/details/136792550
版权

List personListNew = personList.stream().map(person -> {

Person personNew = new Person(person.getName(), 0, 0, null, null);

personNew.setSalary(person.getSalary() + 10000);

return personNew;

}).collect(Collectors.toList());

System.out.println(“一次改动前：” + personList.get(0).getName() + “–>” + personList.get(0).getSalary());

System.out.println(“一次改动后：” + personListNew.get(0).getName() + “–>” + personListNew.get(0).getSalary());

// 改变原来员工集合的方式

List personListNew2 = personList.stream().map(person -> {

person.setSalary(person.getSalary() + 10000);

return person;

}).collect(Collectors.toList());

System.out.println(“二次改动前：” + personList.get(0).getName() + “–>” + personListNew.get(0).getSalary());

System.out.println(“二次改动后：” + personListNew2.get(0).getName() + “–>” + personListNew.get(0).getSalary());

}

}

输出结果：

一次改动前：Tom–>8900 一次改动后：Tom–>18900 二次改动前：Tom–>18900 二次改动后：Tom–>18900

案例三：将两个字符数组合并成一个新的字符数组。

public class StreamTest {

public static void main(String[] args) {

List list = Arrays.asList(“m,k,l,a”, “1,3,5,7”);

List listNew = list.stream().flatMap(s -> {

// 将每个元素转换成一个stream

String[] split = s.split(“,”);

Stream s2 = Arrays.stream(split);

return s2;

}).collect(Collectors.toList());

System.out.println(“处理前的集合：” + list);

System.out.println(“处理后的集合：” + listNew);

}

}

输出结果：

处理前的集合：[m-k-l-a, 1-3-5] 处理后的集合：[m, k, l, a, 1, 3, 5]

3.5 归约(reduce)

推荐阅读：最新 Java 核心技术教程，都在这了！

归约，也称缩减，顾名思义，是把一个流缩减成一个值，能实现对集合求和、求乘积和求最值操作。

案例一：求Integer集合的元素之和、乘积和最大值。

public class StreamTest {

public static void main(String[] args) {

List list = Arrays.asList(1, 3, 2, 8, 11, 4);

// 求和方式1

Optional sum = list.stream().reduce((x, y) -> x + y);

// 求和方式2

Optional sum2 = list.stream().reduce(Integer::sum);

// 求和方式3

Integer sum3 = list.stream().reduce(0, Integer::sum);

// 求乘积

Optional product = list.stream().reduce((x, y) -> x * y);

// 求最大值方式1

Optional max = list.stream().reduce((x, y) -> x > y ? x : y);

// 求最大值写法2

Integer max2 = list.stream().reduce(1, Integer::max);

System.out.println(“list求和：” + sum.get() + “,” + sum2.get() + “,” + sum3);

System.out.println(“list求积：” + product.get());

System.out.println(“list求和：” + max.get() + “,” + max2);

}

}

输出结果：

list求和：29,29,29 list求积：2112 list求和：11,11

案例二：求所有员工的工资之和和最高工资。

public class StreamTest {

public static void main(String[] args) {

List personList = new ArrayList();

personList.add(new Person(“Tom”, 8900, 23, “male”, “New York”));

personList.add(new Person(“Jack”, 7000, 25, “male”, “Washington”));

personList.add(new Person(“Lily”, 7800, 21, “female”, “Washington”));

personList.add(new Person(“Anni”, 8200, 24, “female”, “New York”));

personList.add(new Person(“Owen”, 9500, 25, “male”, “New York”));

personList.add(new Person(“Alisa”, 7900, 26, “female”, “New York”));

// 求工资之和方式1：

Optional sumSalary = personList.stream().map(Person::getSalary).reduce(Integer::sum);

// 求工资之和方式2：

Integer sumSalary2 = personList.stream().reduce(0, (sum, p) -> sum += p.getSalary(),

(sum1, sum2) -> sum1 + sum2);

// 求工资之和方式3：

Integer sumSalary3 = personList.stream().reduce(0, (sum, p) -> sum += p.getSalary(), Integer::sum);

// 求最高工资方式1：

Integer maxSalary = personList.stream().reduce(0, (max, p) -> max > p.getSalary() ? max : p.getSalary(),

Integer::max);

// 求最高工资方式2：

Integer maxSalary2 = personList.stream().reduce(0, (max, p) -> max > p.getSalary() ? max : p.getSalary(),

(max1, max2) -> max1 > max2 ? max1 : max2);

System.out.println(“工资之和：” + sumSalary.get() + “,” + sumSalary2 + “,” + sumSalary3);

System.out.println(“最高工资：” + maxSalary + “,” + maxSalary2);

}

}

输出结果：

工资之和：49300,49300,49300 最高工资：9500,9500

3.6 收集(collect)

collect，收集，可以说是内容最繁多、功能最丰富的部分了。从字面上去理解，就是把一个流收集起来，最终可以是收集成一个值也可以收集成一个新的集合。

collect主要依赖java.util.stream.Collectors类内置的静态方法。

3.6.1 归集(toList/toSet/toMap)

因为流不存储数据，那么在流中的数据完成处理后，需要将流中的数据重新归集到新的集合里。toList、toSet和toMap比较常用，另外还有toCollection、toConcurrentMap等复杂一些的用法。

下面用一个案例演示toList、toSet和toMap：

public class StreamTest {

public static void main(String[] args) {

List list = Arrays.asList(1, 6, 3, 4, 6, 7, 9, 6, 20);

List listNew = list.stream().filter(x -> x % 2 == 0).collect(Collectors.toList());

Set set = list.stream().filter(x -> x % 2 == 0).collect(Collectors.toSet());

List personList = new ArrayList();

personList.add(new Person(“Tom”, 8900, 23, “male”, “New York”));

personList.add(new Person(“Jack”, 7000, 25, “male”, “Washington”));

personList.add(new Person(“Lily”, 7800, 21, “female”, “Washington”));

personList.add(new Person(“Anni”, 8200, 24, “female”, “New York”));

Map<?, Person> map = personList.stream().filter(p -> p.getSalary() > 8000)

.collect(Collectors.toMap(Person::getName, p -> p));

System.out.println(“toList:” + listNew);

System.out.println(“toSet:” + set);

System.out.println(“toMap:” + map);

}

}

运行结果：

toList：[6, 4, 6, 6, 20] toSet：[4, 20, 6] toMap：{Tom=mutest.Person@5fd0d5ae, Anni=mutest.Person@2d98a335}

3.6.2 统计(count/averaging)

Collectors提供了一系列用于数据统计的静态方法：

  • 计数：count

  • 平均值：averagingInt、averagingLong、averagingDouble

  • 最值：maxBy、minBy

  • 求和：summingInt、summingLong、summingDouble

  • 统计以上所有：summarizingInt、summarizingLong、summarizingDouble

案例：统计员工人数、平均工资、工资总额、最高工资。

public class StreamTest {

public static void main(String[] args) {

List personList = new ArrayList();

personList.add(new Person(“Tom”, 8900, 23, “male”, “New York”));

personList.add(new Person(“Jack”, 7000, 25, “male”, “Washington”));

personList.add(new Person(“Lily”, 7800, 21, “female”, “Washington”));

// 求总数

Long count = personList.stream().collect(Collectors.counting());

// 求平均工资

Double average = personList.stream().collect(Collectors.averagingDouble(Person::getSalary));

// 求最高工资

Optional max = personList.stream().map(Person::getSalary).collect(Collectors.maxBy(Integer::compare));

// 求工资之和

Integer sum = personList.stream().collect(Collectors.summingInt(Person::getSalary));

// 一次性统计所有信息

DoubleSummaryStatistics collect = personList.stream().collect(Collectors.summarizingDouble(Person::getSalary));

System.out.println(“员工总数：” + count);

System.out.println(“员工平均工资：” + average);

System.out.println(“员工工资总和：” + sum);

System.out.println(“员工工资所有统计：” + collect);

}

}

运行结果：

员工总数：3 员工平均工资：7900.0 员工工资总和：23700 员工工资所有统计：DoubleSummaryStatistics{count=3, sum=23700.000000,min=7000.000000, average=7900.000000, max=8900.000000}

3.6.3 分组(partitioningBy/groupingBy)

  • 分区：将stream按条件分为两个Map，比如员工按薪资是否高于8000分为两部分。

  • 分组：将集合分为多个Map，比如员工按性别分组。有单级分组和多级分组。

案例：将员工按薪资是否高于8000分为两部分；将员工按性别和地区分组

public class StreamTest {

public static void main(String[] args) {

List personList = new ArrayList();

personList.add(new Person(“Tom”, 8900, “male”, “New York”));

personList.add(new Person(“Jack”, 7000, “male”, “Washington”));

personList.add(new Person(“Lily”, 7800, “female”, “Washington”));

personList.add(new Person(“Anni”, 8200, “female”, “New York”));

personList.add(new Person(“Owen”, 9500, “male”, “New York”));

personList.add(new Person(“Alisa”, 7900, “female”, “New York”));

// 将员工按薪资是否高于8000分组

Map<Boolean, List> part = personList.stream().collect(Collectors.partitioningBy(x -> x.getSalary() > 8000));

// 将员工按性别分组

Map<String, List> group = personList.stream().collect(Collectors.groupingBy(Person::getSex));

// 将员工先按性别分组，再按地区分组

Map<String, Map<String, List>> group2 = personList.stream().collect(Collectors.groupingBy(Person::getSex, Collectors.groupingBy(Person::getArea)));

System.out.println(“员工按薪资是否大于8000分组情况：” + part);

System.out.println(“员工按性别分组情况：” + group);

System.out.println(“员工按性别、地区：” + group2);

}

}

输出结果：

员工按薪资是否大于8000分组情况：{false=[mutest.Person@2d98a335, mutest.Person@16b98e56, mutest.Person@7ef20235], true=[mutest.Person@27d6c5e0, mutest.Person@4f3f5b24, mutest.Person@15aeb7ab]}

员工按性别分组情况：{female=[mutest.Person@16b98e56, mutest.Person@4f3f5b24, mutest.Person@7ef20235], male=[mutest.Person@27d6c5e0, mutest.Person@2d98a335, mutest.Person@15aeb7ab]}

员工按性别、地区：{female={New York=[mutest.Person@4f3f5b24, mutest.Person@7ef20235], Washington=[mutest.Person@16b98e56]}, male={New York=[mutest.Person@27d6c5e0, mutest.Person@15aeb7ab], Washington=[mutest.Person@2d98a335]}}

3.6.4 接合(joining)

joining可以将stream中的元素用特定的连接符（没有的话，则直接连接）连接成一个字符串。

public class StreamTest {

public static void main(String[] args) {

List personList = new ArrayList();

personList.add(new Person(“Tom”, 8900, 23, “male”, “New York”));

personList.add(new Person(“Jack”, 7000, 25, “male”, “Washington”));

personList.add(new Person(“Lily”, 7800, 21, “female”, “Washington”));

String names = personList.stream().map(p -> p.getName()).collect(Collectors.joining(“,”));

System.out.println(“所有员工的姓名：” + names);

List list = Arrays.asList(“A”, “B”, “C”);

String string = list.stream().collect(Collectors.joining(“-”));

System.out.println(“拼接后的字符串：” + string);

}

}

运行结果：

所有员工的姓名：Tom,Jack,Lily 拼接后的字符串：A-B-C

3.6.5 归约(reducing)

Collectors类提供的reducing方法，相比于stream本身的reduce方法，增加了对自定义归约的支持。

public class StreamTest {

public static void main(String[] args) {

List personList = new ArrayList();

personList.add(new Person(“Tom”, 8900, 23, “male”, “New York”));

personList.add(new Person(“Jack”, 7000, 25, “male”, “Washington”));

personList.add(new Person(“Lily”, 7800, 21, “female”, “Washington”));

// 每个员工减去起征点后的薪资之和（这个例子并不严谨，但一时没想到好的例子）

Integer sum = personList.stream().collect(Collectors.reducing(0, Person::getSalary, (i, j) -> (i + j - 5000)));

System.out.println(“员工扣税薪资总和：” + sum);

// stream的reduce

Optional sum2 = personList.stream().map(Person::getSalary).reduce(Integer::sum);

System.out.println(“员工薪资总和：” + sum2.get());

}

}

运行结果：

员工扣税薪资总和：8700 员工薪资总和：23700

3.7 排序(sorted)

sorted，中间操作。有两种排序：

  • sorted()：自然排序，流中元素需实现Comparable接口

  • sorted(Comparator com)：Comparator排序器自定义排序

案例：将员工按工资由高到低（工资一样则按年龄由大到小）排序

public class StreamTest {

public static void main(String[] args) {

List personList = new ArrayList();

personList.add(new Person(“Sherry”, 9000, 24, “female”, “New York”));

personList.add(new Person(“Tom”, 8900, 22, “male”, “Washington”));

personList.add(new Person(“Jack”, 9000, 25, “male”, “Washington”));

personList.add(new Person(“Lily”, 8800, 26, “male”, “New York”));

personList.add(new Person(“Alisa”, 9000, 26, “female”, “New York”));

// 按工资升序排序（自然排序）

List newList = personList.stream().sorted(Comparator.comparing(Person::getSalary)).map(Person::getName)

.collect(Collectors.toList());

// 按工资倒序排序

List newList2 = personList.stream().sorted(Comparator.comparing(Person::getSalary).reversed())

.map(Person::getName).collect(Collectors.toList());

// 先按工资再按年龄升序排序

List newList3 = personList.stream()

.sorted(Comparator.comparing(Person::getSalary).thenComparing(Person::getAge)).map(Person::getName)

.collect(Collectors.toList());

// 先按工资再按年龄自定义排序（降序）

List newList4 = personList.stream().sorted((p1, p2) -> {

if (p1.getSalary() == p2.getSalary()) {

return p2.getAge() - p1.getAge();

} else {

return p2.getSalary() - p1.getSalary();

}

}).map(Person::getName).collect(Collectors.toList());

System.out.println(“按工资升序排序：” + newList);

System.out.println(“按工资降序排序：” + newList2);

System.out.println(“先按工资再按年龄升序排序：” + newList3);

System.out.println(“先按工资再按年龄自定义降序排序：” + newList4);

}

}

运行结果：

按工资自然排序：[Lily, Tom, Sherry, Jack, Alisa] 按工资降序排序：[Sherry, Jack, Alisa,Tom, Lily] 先按工资再按年龄自然排序：[Sherry, Jack, Alisa, Tom, Lily] 先按工资再按年龄自定义降序排序：[Alisa, Jack, Sherry, Tom, Lily]

3.8 提取/组合

流也可以进行合并、去重、限制、跳过等操作。

public class StreamTest {

public static void main(String[] args) {

String[] arr1 = { “a”, “b”, “c”, “d” };

String[] arr2 = { “d”, “e”, “f”, “g” };

Stream stream1 = Stream.of(arr1);

Stream stream2 = Stream.of(arr2);

// concat:合并两个流 distinct：去重

List newList = Stream.concat(stream1, stream2).distinct().collect(Collectors.toList());

// limit：限制从流中获得前n个数据

List collect = Stream.iterate(1, x -> x + 2).limit(10).collect(Collectors.toList());

// skip：跳过前n个数据

List collect2 = Stream.iterate(1, x -> x + 2).skip(1).limit(5).collect(Collectors.toList());

System.out.println(“流合并：” + newList);

System.out.println(“limit：” + collect);

System.out.println(“skip：” + collect2);

}

}

小编13年上海交大毕业，曾经在小公司待过，也去过华为、OPPO等大厂，18年进入阿里一直到现在。

深知大多数初中级Java工程师，想要提升技能，往往是自己摸索成长，但自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！

因此收集整理了一份《2024年最新Java开发全套学习资料》送给大家，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友，同时减轻大家的负担。
img
img
img

由于文件比较大，这里只是将部分目录截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频

如果你觉得这些内容对你有帮助，可以添加下面V无偿领取！（备注Java）
img

总结

谈到面试，其实说白了就是刷题刷题刷题，天天作死的刷。。。。。

为了准备这个“金三银四”的春招，狂刷一个月的题，狂补超多的漏洞知识，像这次美团面试问的算法、数据库、Redis、设计模式等这些题目都是我刷到过的

并且我也将自己刷的题全部整理成了PDF或者Word文档（含详细答案解析）

我的美团offer凉凉了？开发工程师（Java岗）三面结束等通知...

66个Java面试知识点

架构专题（MySQL，Java，Redis，线程，并发，设计模式，Nginx，Linux，框架，微服务等）+大厂面试题详解（百度，阿里，腾讯，华为，迅雷，网易，中兴，北京中软等）

我的美团offer凉凉了？开发工程师（Java岗）三面结束等通知...

算法刷题（PDF）

我的美团offer凉凉了？开发工程师（Java岗）三面结束等通知...

摸索成长，但自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！**

因此收集整理了一份《2024年最新Java开发全套学习资料》送给大家，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友，同时减轻大家的负担。
[外链图片转存中…(img-30iPIVxy-1710687075209)]
[外链图片转存中…(img-1oZ5jd5S-1710687075210)]
[外链图片转存中…(img-jiO1dqb9-1710687075210)]

由于文件比较大，这里只是将部分目录截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频

如果你觉得这些内容对你有帮助，可以添加下面V无偿领取！（备注Java）
[外链图片转存中…(img-ETunH263-1710687075210)]

总结

谈到面试，其实说白了就是刷题刷题刷题，天天作死的刷。。。。。

为了准备这个“金三银四”的春招，狂刷一个月的题，狂补超多的漏洞知识，像这次美团面试问的算法、数据库、Redis、设计模式等这些题目都是我刷到过的

并且我也将自己刷的题全部整理成了PDF或者Word文档（含详细答案解析）

[外链图片转存中…(img-YhDGJ1Ku-1710687075211)]

66个Java面试知识点

架构专题（MySQL，Java，Redis，线程，并发，设计模式，Nginx，Linux，框架，微服务等）+大厂面试题详解（百度，阿里，腾讯，华为，迅雷，网易，中兴，北京中软等）

[外链图片转存中…(img-ZyrWseZL-1710687075211)]

算法刷题（PDF）

[外链图片转存中…(img-XhXK8hUA-1710687075211)]

本文已被CODING开源项目：【一线大厂Java面试题解析+核心总结学习笔记+最新讲解视频+实战项目源码】收录

2024开发者
关注
  • 27
    点赞
  • 踩
  • 22
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值