collectors_带有实时示例的Java 8 Collectors API教程

最新推荐文章于 2024-06-18 10:52:15 发布

cunfen3485

最新推荐文章于 2024-06-18 10:52:15 发布

阅读量412

点赞数

文章标签： python java 大数据 javascript 数据分析 ViewUI

原文链接：https://www.javacodegeeks.com/2020/09/java-8-collectors-api-tutorial-with-real-time-examples.html

版权

collectors

Java 8的收集器api的快速实用指南。有关各种有用的归约运算以及将元素累积到集合中的示例程序

1.概述

在本教程中，我们将通过所有方法和示例程序深入学习Java 8 Collectors API 。 收集器是扩展Object类的公共最终类。

耐心阅读本文章。到本文结束时，您一定会成为Java 8的收集器的专家。

收集器类提供了各种有用的归约操作，例如将元素累积到集合中，根据各种标准对元素进行汇总等。

它具有许多使用Stream api时非常有用的方法。

几种方法： olist()，toMap()，toCollection()，joining()，summingInt()，groupingBy()和partitioningBy()等。

我们将在下面的Collectors方法上看到示例程序以及如何使用它们。

收集器API方法：

收藏()
toList()
设置()
toUnmodifiableSet()
toUnmodifiableList(()
toCollection()
toMap()
toUnmodifiableMap()
summingInt()
averagingInt()/ averagingLong()/ averagingDouble()s
数数()
join()
groupingBy()
partitioningBy()
toConcurrentMap()
过滤()
flatMapping()
maxBy()
minBy()
减少()
summarizingDouble()/ summarizingInt()/ summarizingLong()
teeing()

注意： Collectors类中的所有方法都是静态的。因此，最好使用静态导入。

如果您使用多种方法，请使用静态导入。

import static java.util.stream.Collectors.*;

如果仅使用少数几个，则使用这样的方法。

 import static java.util.stream.Collectors.toList;
 import static java.util.stream.Collectors.toCollection;
 import static java.util.stream.Collectors.joining;

我们将在本文中使用下面的Employee类。

 class Employee {
 private int id;
 private String name;
 private int age;
 private String region;
 private double sal;
 public Employee( int id, String name, int age, String region, double sal) {
 this .id = id;
 this .name = name;
 this .age = age;
 this .region = region;
 this .sal = sal;
 }
 // Standard setters and getters
 }

创建员工列表。

 List<Employee> employeeList = new ArrayList<>();
 employeeList.add( new Employee( 100 , "Sundar" , 47 , "North America" , 450000 ));
 employeeList.add( new Employee( 200 , "Pichai" , 25 , "North America" , 50000 ));
 employeeList.add( new Employee( 300 , "Larry" , 30 , "Asia" , 450000 ));
 employeeList.add( new Employee( 400 , "Page" , 59 , "Africa" , 450000 ));

2. Java 8 Stream.collect()示例

Java 8最强大的流方法是collect()方法。这也称为Terminal方法。这是Stream API的一部分。

它允许我们对Stream实例中保存的数据元素执行可变的折叠操作(将元素重新打包到某些数据结构并应用一些其他逻辑，将它们串联等)。

该操作的策略是通过Collector接口实现提供的。

3. Collectors.toList()示例

toList()收集器可用于将所有Stream元素收集到List实例中。

使用toList()方法将所有员工姓名收集到List中的示例。

 List<String> namesList = employeeList.stream().map(e -> e.getName()).collect(Collectors.toList());
 System.out.println(namesList);

输出：

[Sundar, Pichai, Larry, Page]

但是，不能保证返回的List的类型，可变性，可序列化性或线程安全性。

如果您需要更多控制应返回哪种类型的List，则应使用toCollection(Supplier)方法。

4. Collectors.toSet()示例

toSet()收集器用于将所有Stream元素收集到Set实例中。

将所有区域收集到Set中的示例。

 Set<String> regionSet = employeeList.stream().map(e -> e.getRegion()).collect(Collectors.toSet());
 System.out.println(regionSet);

输出：

[Asia, Africa, North America]

但是，不能保证返回的Set的类型，可变性，可序列化性或线程安全性。

如果您需要更多控制应返回哪种类型的Set，则应使用toCollection( Supplier )方法。

5. Collectors.toUnmodifiableSet()示例

这会将元素收集到不可修改的集合中。

使用toSet()方法创建的集合可以修改。

 regionSet.add( "hello" );
 System.out.println(regionSet);

输出：

[Asia, Africa, hello, North America]

toUnmodifiableSet()方法的工作方式类似于toSet()，但无法修改此设置。

 Set<Double> unmodifiableSet = employeeList.stream().map(e -> e.getSal()).collect(Collectors.toUnmodifiableSet());
 System.out.println(unmodifiableSet);

输出：

[ 450000.0 , 50000.0 ]

如果我们尝试修改set，则会抛出UnsupportedOperationException 。

unmodifiableSet.add(10983d);

例外：

 Exception in thread "main" Exception in thread java.lang.UnsupportedOperationException
 at java.base/java.util.ImmutableCollections.uoe(ImmutableCollections.java: 72 )

返回的收集器不允许使用空值。如果显示的值为空，则将抛出NullPointerException。

 employeeList.add( null );
 Set<Employee> empSet = employeeList.stream().collect(Collectors.toUnmodifiableSet());

上面的代码将导致NullPointerException 。 toSet()方法也是如此。

6. Collectors.toUnmodifiableList(()示例

这类似于toList()，但toUnmodifiableList会将元素收集到不可修改的List中。

 List<Double> unmodifiableList = employeeList.stream().map(e -> e.getSal()).collect(Collectors.toUnmodifiableList());
 System.out.println(unmodifiableList);

输出：

[ 450000.0 , 50000.0 , 450000.0 , 450000.0 ]

与Set不同，此列表包含重复项。

如果List的值为null，则它将抛出java.lang.NullPointerException，如toUnmodifiableSet 。

7. Collectors.toCollection()示例

您可能已经注意到，使用toSet()和toList()收集器时，您无法对其实现进行任何假设。

如果要使用自定义实现或LinkedList或TreeSet，则需要将toCollection收集器与您选择的提供的收集一起使用。

将名称收集到LinkedList而不是默认List实现的示例。

 List<String> namesLinkedList = employeeList.stream().map(e -> e.getName()).collect(Collectors.toCollection(LinkedList:: new ));
 System.out.println(namesLinkedList);

输出：

[Sundar, Pichai, Larry, Page]

将区域收集到TreeSet中的另一个示例。

 Set<String> regionTreeSet = employeeList.stream().map(e -> e.getRegion()).collect(Collectors.toCollection(TreeSet:: new ));
 System.out.println(regionTreeSet);

输出：

[Africa, Asia, North America]

看到输出已排序，因为TreeSet对其中的值进行了排序。

注意：此方法不适用于不可变的对象。在这种情况下，我们必须编写自定义的Collector实现或使用collectionAndThen() 。

8. Collectors.toMap()示例

toMap()语法：

public static <T,K,U> Collector<T,?,Map<K,U>> toMap(Function<? super T,? extends K> keyMapper, Function<? super T,? extends U> valueMapper)

使用toMap()方法，可以将流转换为Map。 但是，该方法需要两个参数。

keyMapper

valueMapper

这两个是功能功能接口的实现。

函数接口函数具有一个函数方法R apply(T t) ，该方法接受一个参数并产生一个结果。

keyMapper将用于从Stream元素中提取Map键，而valueMapper将用于提取与给定键关联的值。

现在，我们将从流中创建一个地图，以使地图键为emp id，值为对应的雇员对象。

keyMapper = (e) -> e.getId()

e引用Employee对象并通过调用getId()方法获取其ID。

valueMapper = Function.identity()

此方法返回一个始终返回其输入参数的函数。

Function.identity()方法确实将一个对象作为参数，并返回相同的对象而没有任何变化。

 Map<Integer, Employee> empMap = employeeList.stream().collect(Collectors.toMap((e) -> e.getId(), Function.identity()));
 System.out.println(empMap);

输出：

{ 400 =Employee [id= 400 , name=Page, age= 59 , region=Africa, sal= 450000.0 ], 100 =Employee [id= 100 , name=Sundar, age= 47 , region=North America, sal= 450000.0 ], 200 =Employee [id= 200 , name=Pichai, age= 25 , region=North America, sal= 50000.0 , region=North America, sal= 50000.0 ], 300 =Employee [id= 300 , name=Larry, age= 30 , region=Asia, sal= 450000.0 ]}

如果employeeList的重复雇员具有相同的雇员ID，会发生什么情况。

现在添加一个重复的emp对象，该对象具有相同的emp id，但名称不同，为“ Larry Page”。

employeeList.add( new Employee( 400 , "Larry Page" , 59 , "Africa" , 450000 ));

添加了一个新的emp对象，其emp id = 400。

Map<Integer, Employee> empDupMap = employeeList.stream().collect(Collectors.toMap((e) -> e.getId(), Function.identity()));

将引发如下运行时异常。

 Exception in thread "main" Exception in thread java.lang.IllegalStateException: Duplicate key 400 (attempted merging values Employee [id= 400 , name=Page, age= 59 , region=Africa, sal= 450000.0 ] and Employee [id= 400 , name=Page, age= 59 , region=Africa, sal= 450000.0 , region=Africa, sal= 450000.0 ])
 at java.base/java.util.stream.Collectors.duplicateKeyException(Collectors.java: 133 )
 at java.base/java.util.stream.Collectors.lambda$uniqKeysMapAccumulator$ 1 (Collectors.java: 180 )
 at java.base/java.util.stream.ReduceOps$3ReducingSink.accept(ReduceOps.java: 169 )
 at java.base/java.util.ArrayList$ArrayListSpliterator.forEachRemaining(ArrayList.java: 1654 )
 at java.base/java.util.stream.AbstractPipeline.copyInto(AbstractPipeline.java: 484 )
 at java.base/java.util.stream.AbstractPipeline.wrapAndCopyInto(AbstractPipeline.java: 474 )
 at java.base/java.util.stream.ReduceOps$ReduceOp.evaluateSequential(ReduceOps.java: 913 )
 at java.base/java.util.stream.AbstractPipeline.evaluate(AbstractPipeline.java: 234 )
 at java.base/java.util.stream.ReferencePipeline.collect(ReferencePipeline.java: 578 )
 at com.java.w3schools.blog.java8.streams.Java8CollectorExamples.main(Java8CollectorExamples.java: 76 )

注意： Map不检查重复的对象，但不允许重复的键。

toMap()函数将第三个参数用作BinaryOperator Functional Interface，它具有函数方法R apply(T t，U u)。此功能方法有两个参数。在我们的例子中，第一个参数采用原始雇员，第二个参数采用重复的雇员并返回雇员对象。

 Map<Integer, Employee> empDupMap = employeeList.stream().collect(Collectors.toMap((e) -> e.getId(), Function.identity(), (emp, sameEmp) -> sameEmp));
 System.out.println(empDupMap);

输出：

当出现相同的密钥时，将在此处调用BinaryOperator 。并从BinaryOperator apply()方法返回重复的对象。那将旧员工替换为新的重复员工。请参见以下输出。

{ 400 =Employee [id= 400 , name=Larry Page, age= 59 , region=Africa, sal= 450000.0 , region=Africa, sal= 450000.0 ], 100 =Employee [id= 100 , name=Sundar, age= 47 , region=North America, sal= 450000.0 ], 200 =Employee [id= 200 , name=Pichai, age= 25 , region=North America, sal= 50000.0 , region=North America, sal= 50000.0 ], 300 =Employee [id= 300 , name=Larry, age= 30 , region=Asia, sal= 450000.0 ]}

观察ID为400的员工的新名称为“ Larry Page”。如果我们想在映射中保留现有的emp并忽略重复的emp，则应返回emp而不是sameEmp。

9. Collectors.toUnmodifiableMap()示例

句法：

 public static <T,K,U> Collector<T,?,Map<K,U>> toUnmodifiableMap(Function<? super T,? extends K> keyMapper, Function<? super T,? extends U> valueMapper)
 public static <T,K,U> Collector<T,?,Map<K,U>> toUnmodifiableMap(Function<? super T,? extends K> keyMapper, Function<? super T,? extends U> valueMapper, BinaryOperator<U> mergeFunction)

返回一个收集器，该收集器将输入元素累积到一个不可修改的Map中，其键和值是将提供的映射函数应用于输入元素的结果。

 Map<Integer, Employee> empUnmodifiedMap = employeeList.stream().collect(Collectors.toMap((e) -> e.getId(), Function.identity(), (emp, sameEmp) -> sameEmp));
 System.out.println(empUnmodifiedMap);

如果keyMapper，valueMapper或mergeFunction为null，则此函数将引发NullPointerException。

10. Collectors.summingInt()示例

summingInt()方法对流中所有提取的元素求和，并返回Integer 。

句法：

public static <T> Collector<T,?,Integer> summingInt(ToIntFunction<? super T> mapper)

例：

使用summingInt()方法查找所有emp id的总和。

 int sumOfEmpIds = employeeList.stream().collect(Collectors.summingInt((Employee e) -> e.getId()));
 System.out.println( "Collectors.summingInt : " + sumOfEmpIds);

输出：

Collectors.summingInt : 1000

此方法是对int值求和。

与此类似， Collector api具有用于summingLong()，summingDouble()的方法。

 public static <T> Collector<T,?,Long> summingLong(ToLongFunction<? super T> mapper)
 public static <T> Collector<T,?,Double> summingDouble(ToDoubleFunction<? super T> mapper)
 summingDouble() Example:

现在，让我们看一下获取所有员工工资总和的代码。

 double sumOfEmpSalss = employeeList.stream().collect(Collectors.summingDouble((Employee e) -> e.getSal()));
 System.out.println( "Collectors.summingDouble : " + sumOfEmpSalss);

输出：Collectors.summingDouble：1400000.0

11. Collectors.averagingInt()/ averagingLong()/ averagingDouble()示例

Collectors api具有获取整数，Long和Double值的平均值的方法。 这些方法现在变得非常方便执行平均操作。

内部算术逻辑适用于流元素。

句法：

 public static <T> Collector<T,?,Double> averagingInt(ToIntFunction<? super T> mapper)
 public static <T> Collector<T,?,Double> averagingLong(ToLongFunction<? super T> mapper)
 public static <T> Collector<T,?,Double> averagingDouble(ToDoubleFunction<? super T> mapper)

在这里，所有这些方法版本都返回Double而不是其名称所描述的。

例子：

 double avgOfEmpSalss = employeeList.stream().collect(Collectors.averagingDouble((Employee e) -> e.getSal()));
 System.out.println( "Collectors.averagingDouble avg sal: " + avgOfEmpSalss);

输出：

Collectors.averagingDouble avg sal: 350000.0 Collectors.averagingDouble avg sal: 350000.0

12. Collectors.counting()示例

句法：

public static <T> Collector<T,?,Long> counting()

此方法返回Long值，并且仅对Stream中存在的值进行计数。

 long count = employeeList.stream().collect(Collectors.counting());
 System.out.println( "Collectors.counting() : Count : " + count);

输出：

Collectors.counting() : Count : 4

13. Collectors.joining()示例

句法：

 public static Collector<CharSequence,?,String> joining()
 public static Collector<CharSequence,?,String> joining(CharSequence delimiter)
 public static Collector<CharSequence,?,String> joining(CharSequence delimiter, CharSequence prefix, CharSequence suffix)

Joining()方法确实将Stream的所有内容按它们出现的顺序追加。

这主要是为具有Stream <String>的字符串设计的。

所有版本的join()方法都返回String。

 String joinedStr = employeeList.stream().map(e -> e.getName()).collect(Collectors.joining());
 System.out.println( "joinedStr by using joining() method : " +joinedStr); "joinedStr by using joining() method : " +joinedStr);

输出：

joinedStr by using joining() method : SundarPichaiLarryPage

此join()方法只是串联而没有添加任何定界符。

join(CharSequence分隔符)示例：

如果要添加一些定界符，则应使用此方法的此变体。

 String joinedDelimiterStr = employeeList.stream().map(e -> e.getName()).collect(Collectors.joining( " * " ));
 System.out.println( "joinedDelimiterStr by using joining(Delimiter) method : " +joinedDelimiterStr);

输出：

joinedDelimiterStr by using joining(Delimiter) method : Sundar * Pichai * Larry * Page

现在观察为每个名称添加*分隔符的输出。

join(CharSequence分隔符，CharSequence前缀，CharSequence后缀)示例：

示例代码，用于在应用定界符之前和之后添加一些值。

将分隔符连接到所有值后，将在开头添加前缀。

将定界符连接到所有值后，将在末尾添加后缀。

 String joinePrePostStr = employeeList.stream().map(e -> e.getName()).collect(Collectors.joining( "*" , "@" , "|" ));
 System.out.println( "joinePrePostStr by using joining(Delimiter) method : " +joinePrePostStr); "joinePrePostStr by using joining(Delimiter) method : " +joinePrePostStr);

输出：

joinePrePostStr by using joining(Delimiter) method : @Sundar joinePrePostStr by using joining(Delimiter) method : @Sundar *Pichai*Larry*Page|

14. Collectors.groupingBy()示例

该groupingBy函数的工作方式类似于Oracle GROUP BY子句。

GroupingBy收集器用于按某些属性对对象进行分组，并将结果存储在Map实例中。

我们将看到一个按员工区域分组的示例。

 Map<String, List<Employee>> groupByRegion = employeeList.stream().collect(Collectors.groupingBy((Employee e) -> e.getRegion()));
 System.out.println( "groupByRegion :: " +groupByRegion);

输出：

groupByRegion :: {Asia=[Employee [id= 300 , name=Larry, age= 30 , region=Asia, sal= 450000.0 ]], Africa=[Employee [id= 400 , name=Page, age= 59 , region=Africa, sal= 450000.0 , region=Africa, sal= 450000.0 ]], North America=[Employee [id= 100 , name=Sundar, age= 47 , region=North America, sal= 450000.0 , region=North America, sal= 450000.0 ], Employee [id= 200 , name=Pichai, age= 25 , region=North America, sal= 50000.0 , region=North America, sal= 50000.0 ]]}

以下两名雇员存储在“北美”区域下。

Employee [id= 100 , name=Sundar, age= 47 , region=North America, sal= 450000.0 , region=North America, sal= 450000.0 ], Employee [id= 200 , name=Pichai, age= 25 , region=North America, sal= 50000.0 , region=North America, sal= 50000.0 ]

默认情况下，映射值存储在列表中。

如果要设置值，则应如下指定groupingBy()方法。

Map<String, Set<Employee>> groupByRegionSet = employeeList.stream().collect(Collectors.groupingBy((Employee e) -> e.getRegion(), Collectors.toSet()));

15. Collectors.partitioningBy()示例

句法：

public static <T> Collector<T,?,Map<Boolean,List<T>>> partitioningBy(Predicate<? super T> predicate)

首先，看一下语法。

从语法上讲，此方法返回一个Map，并且布尔值为键，List <T>作为值。返回的Map始终仅包含false和true键的映射。

 Map<Boolean, List<Employee>> partitionByAge = employeeList.stream().collect(Collectors.partitioningBy( e -> e.getAge() > 30 ));
 System.out.println( "partitionByAge :: " +partitionByAge);

partitioningBy()方法采用谓词功能接口，该函数接口返回布尔值。因此，Key始终被确定为布尔值，而value始终是Employee对象。

输出：

partitionByAge :: { false =[Employee [id= 200 , name=Pichai, age= 25 , region=North America, sal= 50000.0 , region=North America, sal= 50000.0 ], Employee [id= 300 , name=Larry, age= 30 , region=Asia, sal= 450000.0 ]], true =[Employee [id= 100 , name=Sundar, age= 47 , region=North America, sal= 450000.0 ], Employee [id= 400 , name=Page, age= 59 , region=Africa, sal= 450000.0 ]]}

返回的Map值始终是一个List。 如果要将其更改为另一个集合，则必须使用groupingBy()方法的以下变体。

公共静态<T，D，A> Collector <T，？，Map <Boolean，D >> partitioningBy(Predicate <？super T>谓词，Collector <super T，A，D>下游)

例子：

 // Set as Map value
 Map<Boolean, Set<Employee>> partitionByAgeSet = employeeList.stream().collect(Collectors.partitioningBy( e -> e.getAge() > 30 , Collectors.toSet()));
 // LinkedList as Map value
 Map<Boolean, LinkedList<Employee>> partitionByAgeLinedList = employeeList.stream().collect(Collectors.partitioningBy( e -> e.getAge() > 30 , Collectors.toCollection(LinkedList:: new )));
 // TreeSet as Map value
 Map<Boolean, TreeSet<Employee>> partitionByAgeTreeSet = employeeList.stream().collect(Collectors.partitioningBy( e -> e.getAge() > 30 , Collectors.toCollection(TreeSet:: new )));

为了使TreeSort能够正常工作，Employee类必须实现可比的接口。否则，将抛出ClassCastException。

注意：如果分区没有元素，则其在结果Map中的值将为空List。

16. Collectors.toConcurrentMap()示例

我们已经在这篇文章中看到了toMap()。如果要将结果存储在Concurrent Map中，则应使用toConcurrentMap()方法。

句法：

 public static <T,K,U> Collector<T,?,ConcurrentMap<K,U>> toConcurrentMap(Function<? super T,? extends K> keyMapper, Function<? super T,? extends U> valueMapper)
 public static <T,K,U> Collector<T,?,ConcurrentMap<K,U>> toConcurrentMap(Function<? super T,? extends K> keyMapper, Function<? super T,? extends U> valueMapper, BinaryOperator<U> mergeFunction)
 public static <T,K,U,M extends ConcurrentMap<K,U>> Collector<T,?,M> toConcurrentMap(Function<? super T,? extends K> keyMapper, Function<? super T,? extends U> valueMapper, BinaryOperator<U> mergeFunction, Supplier<M> mapFactory)

例子：

Map<Integer, Employee> empConcurrentMap = employeeList.stream().collect(Collectors.toConcurrentMap((e) -> e.getId(), Function.identity()));

17. Collectors.filtering()示例

流api已经具有filter()函数。但是，这是一个非常方便的方法，可以在一个地方做条件并将其收集到List或Set中。

根据开发人员的选择，我们可以选择Collectors或Stream api。通常，全部使用流api filter()方法。

句法：

public static <T,A,R> Collector<T,?,R> filtering(Predicate<? super T> predicate, Collector<? super T,A,R> downstream)

例子：

对于所有流元素，将首先执行第一个谓词，然后应用下一个下游。

 List<Employee> filteredEmpList = employeeList.stream().collect(Collectors.filtering((Employee e) -> e.getAge() > 30 , Collectors.toList()));
 System.out.println( "Collectors.filtering() - filteredEmpList : " + filteredEmpList);

输出：

Collectors.filtering() - filteredEmpList : [Employee [id= 100 , name=Sundar, age= 47 , region=North America, sal= 450000.0 , region=North America, sal= 450000.0 ], Employee [id= 400 , name=Page, age= 59 , region=Africa, sal= 450000.0 ]]

18. Collectors.flatMapping()示例

这对于将“收藏集”转换为平面地图非常有用。的flatMapping()收集器在用于多级归约时(例如groupingBy或partitioningBy的下游)最有用。

句法：

public static <T,U,A,R> Collector<T,?,R> flatMapping(Function<? super T,? extends Stream<? extends U>> mapper, Collector<? super U,A,R> downstream)

例：

创建LineItem类。

 class LineItem {
 private int itemId;
 private String itemName;
 private Date manfacturedDate;
 public LineItem( int itemId, String itemName, Date manfacturedDate) {
 super ();
 this .itemId = itemId;
 this .itemName = itemName;
 this .manfacturedDate = manfacturedDate;
 }
 public int getItemId() {
 return itemId;
 }
 public void setItemId( int itemId) {
 this .itemId = itemId;
 }
 public String getItemName() {
 return itemName;
 }
 public void setItemName(String itemName) {
 this .itemName = itemName;
 }
 public Date getManfacturedDate() {
 return manfacturedDate;
 }
 public void setManfacturedDate(Date manfacturedDate) {
 this .manfacturedDate = manfacturedDate;
 }
 @Override
 public String toString() {
 return "LineItem [itemId=" + itemId + ", itemName=" + itemName + ", manfacturedDate=" + manfacturedDate + "]" ;
 }
 }

使用List创建与LineIteam具有HAS-A关系的Customer类。

 Customer { class Customer {
 private int id;
 private String name;
 private boolean active;
 private String gender;
 private List<LineItem> lineItems;
 public Customer( int id, String name, boolean active, String gender, List<LineItem> lineItems) {
 super ();
 this .id = id;
 this .name = name;
 this .active = active;
 this .gender = gender;
 this .lineItems = lineItems;
 }
 public int getId() {
 return id;
 }
 public void setId( int id) {
 this .id = id;
 }
 public String getName() {
 return name;
 }
 public void setName(String name) {
 this .name = name;
 }
 public boolean isActive() {
 return active;
 }
 public void setActive( boolean active) {
 this .active = active;
 }
 public String getGender() {
 return gender;
 }
 public void setGender(String gender) {
 this .gender = gender;
 }
 public List<LineItem> getLineItems() {
 return lineItems;
 }
 public void setLineItems(List<LineItem> lineItems) {
 this .lineItems = lineItems;
 }
 }

创建客户对象1

 LineItem lineItem1 = new LineItem( 1001 , "Item 1" , new Date( 2010 , 07 , 01 ));
 LineItem lineItem2 = new LineItem( 1002 , "Item 2" , new Date( 2020 , 07 , 01 ));
 LineItem lineItem3 = new LineItem( 1003 , "Item 3" , new Date( 2030 , 07 , 01 ));
 LineItem lineItem4 = new LineItem( 1004 , "Item 4" , new Date( 2040 , 07 , 01 ));
 LineItem lineItem5 = new LineItem( 1005 , "Item 5" , new Date( 2050 , 07 , 01 ));
 List<LineItem> lineItemsList1 = new ArrayList<>();
 lineItemsList1.add(lineItem1);
 lineItemsList1.add(lineItem2);
 lineItemsList1.add(lineItem3);
 lineItemsList1.add(lineItem4);
 lineItemsList1.add(lineItem5);
 Customer customer1 = new Customer( 100 , "Customer 1" , true , "M" , lineItemsList1);

创建客户对象2

 LineItem lineItem6 = new LineItem( 2001 , "Item 6" , new Date( 2010 , 07 , 01 ));
 LineItem lineItem7 = new LineItem( 2002 , "Item 7" , new Date( 2020 , 07 , 01 ));
 List<LineItem> lineItemsList2 = new ArrayList<>();
 lineItemsList2.add(lineItem6);
 lineItemsList2.add(lineItem7);
 Customer customer2 = new Customer( 200 , "Customer 2" , true , "F" , lineItemsList2);

创建客户对象3

 LineItem lineItem8 = new LineItem( 2003 , "Item 8" , new Date( 2040 , 07 , 01 ));
 LineItem lineItem9 = new LineItem( 3004 , "Item 9" , new Date( 2070 , 07 , 01 ));
 LineItem lineItem10 = new LineItem( 3005 , "Item 10" , new Date( 2200 , 07 , 01 ));
 List<LineItem> lineItemsList3 = new ArrayList<>();
 lineItemsList3.add(lineItem8);
 lineItemsList3.add(lineItem9);
 lineItemsList3.add(lineItem10);
 Customer customer3 = new Customer( 300 , "Customer 3" , true , "M" , lineItemsList3);

创建客户对象4

 Customer customer4 = new Customer( 400 , "Customer 4" , true , "F" , new ArrayList<LineItem>());
 Adding all 4 countomers to List. Adding all countomers to List.
 List<Customer> customersList = new ArrayList<>();
 customersList.add(customer1);
 customersList.add(customer2);
 customersList.add(customer3);
 customersList.add(customer4);

使用flatMapping()方法按性别查找LineItems。

 Map<String, Set<LineItem>> itemsByGender = customersList.stream()
 .collect(Collectors.groupingBy((Customer c) -> c.getGender(),
 Collectors.flatMapping(customer -> customer.getLineItems().stream(), Collectors.toSet())));
 System.out.println( "itemsByGender : " + itemsByGender);

输出：

 itemsByGender : {F=[LineItem [itemId= 2001 , itemName=Item 6 , manfacturedDate=Mon Aug 01 00 : 00 : 00 IST 3910 ], LineItem [itemId= 2002 , itemName=Item 7 , manfacturedDate=Sun Aug 01 00 : 00 : 00 IST 3920 ]],

 M=[LineItem [itemId= 1001 , itemName=Item 1 , manfacturedDate=Mon Aug 01 00 : 00 : 00 IST 3910 ], LineItem [itemId= 1005 , itemName=Item 5 , manfacturedDate=Tue Aug 01 00 : 00 : 00 IST 3950 ], LineItem [itemId= 1004 , itemName=Item 4 , manfacturedDate=Thu Aug 01 00 : 00 : 00 IST 3940 ], LineItem [itemId= 1002 , itemName=Item 2 , manfacturedDate=Sun Aug 01 00 : 00 : 00 IST 3920 ], LineItem [itemId= 1003 , itemName=Item 3 , manfacturedDate=Fri Aug 01 00 : 00 : 00 IST 3930 ], LineItem [itemId= 2003 , itemName=Item 8 , manfacturedDate=Thu Aug 01 00 : 00 : 00 IST 3940 ], LineItem [itemId= 3004 , itemName=Item 9 , manfacturedDate=Sat Aug 01 00 : 00 : 00 IST 3970 ], LineItem [itemId= 3005 , itemName=Item 10 , manfacturedDate=Sun Aug 01 00 : 00 : 00 IST 4100 ]]}

查找计数LineItem作为按性别计数。

现在，无需调用将flatMapping()的输出收集到Set中，而是调用Collectors.counting()来按性别对订单项的数量进行计数。

Map<String, Long> itemsCountByGender = customersList.stream().collect(Collectors.groupingBy((Customer c) -> c.getGender(),Collectors.flatMapping(customer -> customer.getLineItems().stream(), Collectors.counting())));

输出：

itemsCountByGender {F= 2 , M= 8 }

19. Collectors.maxBy()示例

maxBy()方法从流中找到max元素。要找到max元素，我们必须将Comparator实现作为参数传递给此方法。

此方法与reduce(BinaryOperator.maxBy(comparator))相同。

句法：

public static <T> Collector<T,?,Optional<T>> maxBy(Comparator<? super T> comparator)

此方法返回Optional对象。该对象通过使用Optional类的isPresent()方法来避免NullPointerException。

例：

Collectors.maxBy()示例，用于查找最高emp id对象。

 Comparator<Employee> empComparator = (e1, e2) -> e1.getId() - e2.getId();
 Optional<Employee> empMaxOptional = employeeList.stream().collect(Collectors.maxBy(empComparator));
 if (empMaxOptional.isPresent()) {
 System.out.println( "Max Emp : " +empMaxOptional.get());
 }

输出：

Max Emp : Employee [id= 400 , name=Page, age= 59 , region=Africa, sal= 450000.0 ]

20. Collectors.minBy()示例

minBy()与maxBy()方法相反。 minBy()方法用于从Stream中查找最小元素。我们应该通过比较器作为参数。

此方法与reduce(BinaryOperator.minBy(comparator))相同。

句法：

public static <T> Collector<T,?,Optional<T>> maxBy(Comparator<? super T> comparator)

此方法还返回类似于maxBy()方法的Optional实例。

例：

Collectors.minBy()示例，用于查找最小emp id对象。

 Optional<Employee> empminOptional = employeeList.stream().collect(Collectors.minBy(empComparator));
 if (empminOptional.isPresent()) {
 System.out.println( "Min Emp : " + empminOptional.get());
 }

输出：

Min Emp : Employee [id= 100 , name=Sundar, age= 47 , region=North America, sal= 450000.0 ]

21. Collectors.reducing()示例

返回一个收集器，该收集器在指定的BinaryOperator下执行其输入元素的缩减。结果描述为Optional <T>。

句法：

 public static <T> Collector<T,?,Optional<T>> reducing(BinaryOperator<T> op)
 public static <T> Collector<T,?,T> reducing(T identity, BinaryOperator<T> op)
 public static <T,U> Collector<T,?,U> reducing(U identity, Function<? super T,? extends U> mapper, BinaryOperator<U> op)

例：

 // Collectors.reducing() Example
 Optional<Employee> reducingOptinal = employeeList.stream().collect(Collectors.reducing(BinaryOperator.minBy(empComparator)));
 if (reducingOptinal.isPresent()) {
 System.out.println( "Min Emp using reducing() method : " + reducingOptinal.get());
 }

输出：

使用reducing()方法的最小Emp：员工[id = 100，名称= Sundar，年龄= 47，地区=北美，sal = 450000.0]

我们可以使用BinaryOperator的maxBy静态方法找到max emp元素。

22. Collectors.summarizingDouble()/ summarizingInt()/ summarizingLong()示例

summarizingDouble()方法对流中的双精度值进行统计操作。

此方法返回DoubleSummaryStatistics，该统计信息包含流中所有double值的计数，最小值，最大值，总和和平均值。 这就像实用程序方法一样有帮助。

句法：

public static <T> Collector<T,?,DoubleSummaryStatistics> summarizingDouble(ToDoubleFunction<? super T> mapper)

例：

 DoubleSummaryStatistics doubleSummaryStatistics = employeeList.stream().collect(Collectors.summarizingDouble((Employee e) -> e.getSal()));
 System.out.println( "Statistics summary on employees salary : " +doubleSummaryStatistics);

输出：

DoubleSummaryStatistics{count= 4 , sum= 1400000.000000 , min= 50000.000000 , average= 350000.000000 , max= 450000.000000 }

以相同的方式使用Integer和Long值，提供了单独的方法来使用summarizingInt()和summarizingLong()获得统计信息。

 public static <T> Collector<T,?,LongSummaryStatistics> summarizingLong(ToLongFunction<? super T> mapper)
 public static <T> Collector<T,?,IntSummaryStatistics> summarizingInt(ToIntFunction<? super T> mapper)

23. Collectors.teeing()示例

teeing()方法用于通过特殊的合并函数合并两个收集器输出。 Java 12中添加了此方法。

句法：

public static <T,R1,R2,R> Collector<T,?,R> teeing(Collector<? super T,?,R1> downstream1, Collector<? super T,?,R2> downstream2, BiFunction<? super R1,? super R2,R> merger)

上面的语法很难理解，如下所述。

public static Collector teeing(Collector collector1, Collector collector2, BiFunction merger)

简而言之，该方法接受两个收集器和一个合并功能。合并功能获取两个收集器的输出并执行操作。最后，返回一些值或对象或集合。

例：

收集器teeing()示例可查找前100个数字的平均值。

 // Converting 1 to 100 numbers into Stream integer.
 List<Integer> intList = new ArrayList<>();
 IntStream.range( 1 , 100 ).forEach(i -> intList.add(i));
 // Calling teeing method.
 Double average = intList.stream().collect(
 Collectors.teeing(Collectors.summingDouble(i -> i), Collectors.counting(), (sum, n) -> sum / n));
 System.out.println( "Average of first 100 numbers: " + average); "Average of first 100 numbers: " + average);

收集器1：从流中找到100个数字的总和。

Collectors.summingDouble(i -> i)

收集器2：查找流中的数字计数。

Collectors.counting()

合并：将总和和计数作为输入并进行平均运算。

(sum, n) -> sum / n)

输出：

Average of first 100 numbers: Average of first numbers: 50.0

24.完整的收集器方法示例

All Collectors实用程序在单个程序中对所有方法和示例进行分类。

 import java.util.ArrayList;
 import java.util.Comparator;
 import java.util.Date;
 import java.util.DoubleSummaryStatistics;
 import java.util.LinkedList;
 import java.util.List;
 import java.util.Map;
 import java.util.Optional;
 import java.util.Set;
 import java.util.TreeSet;
 import java.util.function.BinaryOperator;
 import java.util.function.Function;
 import java.util.stream.Collectors;
 import java.util.stream.IntStream;
 import java.util.stream.Stream;
 /**

 * Java 8 Collectors api Examples

 *

 * @author Venkatesh

 *

 */
 public class Java8CollectorExamples {
 public static void main(String[] args) {
 // Creating a Employee List - Example
 List<Employee> employeeList = new ArrayList<>();
 employeeList.add( new Employee( 100 , "Sundar" , 47 , "North America" , 450000 ));
 employeeList.add( new Employee( 200 , "Pichai" , 25 , "North America" , 50000 ));
 employeeList.add( new Employee( 300 , "Larry" , 30 , "Asia" , 450000 ));
 employeeList.add( new Employee( 400 , "Page" , 59 , "Africa" , 450000 ));
 // Collectors.toList() Example
 List<String> namesList = employeeList.stream().map(e -> e.getName()).collect(Collectors.toList());
 System.out.println(namesList);
 // Collectors.toSet() Example
 Set<String> regionSet = employeeList.stream().map(e -> e.getRegion()).collect(Collectors.toSet());
 System.out.println(regionSet);
 regionSet.add( "hello" );
 System.out.println(regionSet);
 // Collectors.toUnmodifiableSet() Example
 Set<Double> unmodifiableSet = employeeList.stream().map(e -> e.getSal())
 .collect(Collectors.toUnmodifiableSet());
 System.out.println(unmodifiableSet);
 // unmodifiableSet.add(10983d);
 // employeeList.add(null);
 Set<Employee> empSet = employeeList.stream().collect(Collectors.toUnmodifiableSet());
 // Collectors.toUnmodifiableList(() Example
 // employeeList.add(null);
 List<Double> unmodifiableList = employeeList.stream().map(e -> e.getSal())
 .collect(Collectors.toUnmodifiableList());
 System.out.println(unmodifiableList);
 // Collectors.toCollection() Example
 List<String> namesLinkedList = employeeList.stream().map(e -> e.getName())
 .collect(Collectors.toCollection(LinkedList:: new ));
 System.out.println(namesLinkedList);
 Set<String> regionTreeSet = employeeList.stream().map(e -> e.getRegion())
 .collect(Collectors.toCollection(TreeSet:: new ));
 System.out.println(regionTreeSet);
 // Collectors.toMap() Example
 Map<Integer, Employee> empMap = employeeList.stream()
 .collect(Collectors.toMap((e) -> e.getId(), Function.identity()));
 System.out.println(empMap);
 // with duplicate key. uncomment to work with toMap() for duplicate merger.
 // employeeList.add(new Employee(400, "Larry Page", 59, "Africa", 450000));
 Map<Integer, Employee> empDupMap = employeeList.stream()
 .collect(Collectors.toMap((e) -> e.getId(), Function.identity(), (emp, sameEmp) -> sameEmp));
 System.out.println(empDupMap);
 // Collectors.toUnmodifiableMap() Example
 Map<Integer, Employee> empUnmodifiedMap = employeeList.stream()
 .collect(Collectors.toMap((e) -> e.getId(), Function.identity(), (emp, sameEmp) -> sameEmp));
 System.out.println(empUnmodifiedMap);
 // Collector.summingInt() Example
 int sumOfEmpIds = employeeList.stream().collect(Collectors.summingInt((Employee e) -> e.getId()));
 System.out.println( "Collectors.summingInt : " + sumOfEmpIds);
 // Collector.summingInt() Example
 double sumOfEmpSalss = employeeList.stream().collect(Collectors.summingDouble((Employee e) -> e.getSal()));
 System.out.println( "Collectors.summingDouble : " + sumOfEmpSalss);
 // Collectors.averagingInt() / averagingLong() / averagingDouble() Examples
 double avgOfEmpSalss = employeeList.stream().collect(Collectors.averagingDouble((Employee e) -> e.getSal()));
 System.out.println( "Collectors.averagingDouble avg sal: " + avgOfEmpSalss);
// Collectors.counting() Example long count = employeeList.stream().collect(Collectors.counting());
 System.out.println( "Collectors.counting() : Count : " + count);
// Collectors.joining() Example String joinedStr = employeeList.stream().map(e -> e.getName()).collect(Collectors.joining());
 System.out.println( "joinedStr by using joining() method : " + joinedStr);
String joinedDelimiterStr = employeeList.stream().map(e -> e.getName()).collect(Collectors.joining( " * " )); System.out.println( "joinedDelimiterStr by using joining(Delimiter) method : " + joinedDelimiterStr);
String joinePrePostStr = employeeList.stream().map(e -> e.getName()).collect(Collectors.joining( "*" , "@" , "|" )); System.out.println( "joinePrePostStr by using joining(Delimiter) method : " + joinePrePostStr); "joinePrePostStr by using joining(Delimiter) method : " + joinePrePostStr);
// Collectors.groupingBy() Example Map<String, List<Employee>> groupByRegion = employeeList.stream()
 .collect(Collectors.groupingBy((Employee e) -> e.getRegion()));
 System.out.println( "groupByRegion :: " + groupByRegion);
// groupingBy for set. Map<String, Set<Employee>> groupByRegionSet = employeeList.stream()
 .collect(Collectors.groupingBy((Employee e) -> e.getRegion(), Collectors.toSet()));
 System.out.println( "groupByRegionSet :: " + groupByRegionSet);
// Collectors.partitioningBy() Example Map<Boolean, List<Employee>> partitionByAge = employeeList.stream()
 .collect(Collectors.partitioningBy(e -> e.getAge() > 30 ));
 System.out.println( "partitionByAge :: " + partitionByAge);
// Set as Map value Map<Boolean, Set<Employee>> partitionByAgeSet = employeeList.stream()
 .collect(Collectors.partitioningBy(e -> e.getAge() > 30 , Collectors.toSet()));
// LinkedList as Map value Map<Boolean, LinkedList<Employee>> partitionByAgeLinedList = employeeList.stream()
 .collect(Collectors.partitioningBy(e -> e.getAge() > 30 , Collectors.toCollection(LinkedList:: new )));
// TreeSet as Map value /*
 * Map<Boolean, TreeSet<Employee>> partitionByAgeTreeSet = employeeList.stream()
 * .collect(Collectors.partitioningBy(e -> e.getAge() > 30,
 * Collectors.toCollection(TreeSet::new)));
 */
 // Collectors.toConcurrentMap() Example
 Map<Integer, Employee> empConcurrentMap = employeeList.stream()
 .collect(Collectors.toConcurrentMap((e) -> e.getId(), Function.identity()));
 System.out.println(empConcurrentMap);
 // with duplicate key. uncomment to work with toMap() for duplicate merger.
 // employeeList.add(new Employee(400, "Larry Page", 59, "Africa", 450000));
 Map<Integer, Employee> empDupConcurrentMap = employeeList.stream()
 .collect(Collectors.toConcurrentMap((e) -> e.getId(), Function.identity(), (emp, sameEmp) -> sameEmp));
 System.out.println(empDupMap);
 // Collectors.filtering() Example
 List<Employee> filteredEmpList = employeeList.stream()
 .collect(Collectors.filtering((Employee e) -> e.getAge() > 30 , Collectors.toList()));
 System.out.println( "Collectors.filtering() - filteredEmpList : " + filteredEmpList);
// Collectors.flatMapping() Example LineItem lineItem1 = new LineItem( 1001 , "Item 1" , new Date( 2010 , 07 , 01 ));
 LineItem lineItem2 = new LineItem( 1002 , "Item 2" , new Date( 2020 , 07 , 01 ));
 LineItem lineItem3 = new LineItem( 1003 , "Item 3" , new Date( 2030 , 07 , 01 ));
 LineItem lineItem4 = new LineItem( 1004 , "Item 4" , new Date( 2040 , 07 , 01 ));
 LineItem lineItem5 = new LineItem( 1005 , "Item 5" , new Date( 2050 , 07 , 01 ));

List<LineItem> lineItemsList1 = new ArrayList<>();
 lineItemsList1.add(lineItem1);
 lineItemsList1.add(lineItem2);
 lineItemsList1.add(lineItem3);
 lineItemsList1.add(lineItem4);
 lineItemsList1.add(lineItem5);
 Customer customer1 = new Customer( 100 , "Customer 1" , true , "M" , lineItemsList1);
 LineItem lineItem6 = new LineItem( 2001 , "Item 6" , new Date( 2010 , 07 , 01 ));
 LineItem lineItem7 = new LineItem( 2002 , "Item 7" , new Date( 2020 , 07 , 01 ));
 List<LineItem> lineItemsList2 = new ArrayList<>();
 lineItemsList2.add(lineItem6);
 lineItemsList2.add(lineItem7);
 Customer customer2 = new Customer( 200 , "Customer 2" , true , "F" , lineItemsList2);
 LineItem lineItem8 = new LineItem( 2003 , "Item 8" , new Date( 2040 , 07 , 01 ));
 LineItem lineItem9 = new LineItem( 3004 , "Item 9" , new Date( 2070 , 07 , 01 ));
 LineItem lineItem10 = new LineItem( 3005 , "Item 10" , new Date( 2200 , 07 , 01 ));
 List<LineItem> lineItemsList3 = new ArrayList<>();
 lineItemsList3.add(lineItem8);
 lineItemsList3.add(lineItem9);
 lineItemsList3.add(lineItem10);
 Customer customer3 = new Customer( 300 , "Customer 3" , true , "M" , lineItemsList3);
 Customer customer4 = new Customer( 400 , "Customer 4" , true , "F" , new ArrayList<LineItem>());
 List<Customer> customersList = new ArrayList<>();
 customersList.add(customer1);
 customersList.add(customer2);
 customersList.add(customer3);
 customersList.add(customer4);
 Map<String, Set<LineItem>> itemsByGender = customersList.stream()
 .collect(Collectors.groupingBy((Customer c) -> c.getGender(),
 Collectors.flatMapping(customer -> customer.getLineItems().stream(), Collectors.toSet())));
 System.out.println( "itemsByGender : " + itemsByGender);
 Map<String, Long> itemsCountByGender = customersList.stream()
 .collect(Collectors.groupingBy((Customer c) -> c.getGender(),
 Collectors.flatMapping(customer -> customer.getLineItems().stream(), Collectors.counting())));
 System.out.println( "itemsCountByGender " + itemsCountByGender);
 // Collectors.maxBy() Example
 Comparator<Employee> empComparator = (e1, e2) -> e1.getId() - e2.getId();
 Optional<Employee> empMaxOptional = employeeList.stream().collect(Collectors.maxBy(empComparator));
 if (empMaxOptional.isPresent()) {
 System.out.println( "Max Emp : " + empMaxOptional.get());
 }
 // Collectors.minBy() Example
 Optional<Employee> empminOptional = employeeList.stream().collect(Collectors.minBy(empComparator));
 if (empminOptional.isPresent()) {
 System.out.println( "Min Emp : " + empminOptional.get());
 }
 // Collectors.reducing() Example
 Optional<Employee> reducingOptinal = employeeList.stream()
 .collect(Collectors.reducing(BinaryOperator.minBy(empComparator)));
 if (reducingOptinal.isPresent()) {
 System.out.println( "Min Emp using reducing() method : " + reducingOptinal.get());
 }
 // Collectors.summarizingDouble() Example
 DoubleSummaryStatistics doubleSummaryStatistics = employeeList.stream()
 .collect(Collectors.summarizingDouble((Employee e) -> e.getSal()));
 System.out.println( "Statistics summary on employees salary : " + doubleSummaryStatistics);
 // Converting 1 to 100 numbers into Stream integer.
 List<Integer> intList = new ArrayList<>();
 IntStream.range( 1 , 100 ).forEach(i -> intList.add(i));
 // Calling teeing method.
 Double average = intList.stream().collect(
 Collectors.teeing(Collectors.summingDouble(i -> i), Collectors.counting(), (sum, n) -> sum / n));
 System.out.println( "Average of first 100 numbers: " + average);
 }
 }

输出：

 [Sundar, Pichai, Larry, Page]
 [Asia, Africa, North America]
 [Asia, Africa, hello, North America]
 [ 50000.0 , 450000.0 ]
 [ 450000.0 , 50000.0 , 450000.0 , 450000.0 ]
 [Sundar, Pichai, Larry, Page]
 [Africa, Asia, North America]
 { 400 =Employee [id= 400 , name=Page, age= 59 , region=Africa, sal= 450000.0 ], 100 =Employee [id= 100 , name=Sundar, age= 47 , region=North America, sal= 450000.0 ], 200 =Employee [id= 200 , name=Pichai, age= 25 , region=North America, sal= 50000.0 ], 300 =Employee [id= 300 , name=Larry, age= 30 , region=Asia, sal= 450000.0 ]}
 { 400 =Employee [id= 400 , name=Page, age= 59 , region=Africa, sal= 450000.0 ], 100 =Employee [id= 100 , name=Sundar, age= 47 , region=North America, sal= 450000.0 ], 200 =Employee [id= 200 , name=Pichai, age= 25 , region=North America, sal= 50000.0 ], 300 =Employee [id= 300 , name=Larry, age= 30 , region=Asia, sal= 450000.0 ]}
 { 400 =Employee [id= 400 , name=Page, age= 59 , region=Africa, sal= 450000.0 ], 100 =Employee [id= 100 , name=Sundar, age= 47 , region=North America, sal= 450000.0 ], 200 =Employee [id= 200 , name=Pichai, age= 25 , region=North America, sal= 50000.0 ], 300 =Employee [id= 300 , name=Larry, age= 30 , region=Asia, sal= 450000.0 ]}
 Collectors.summingInt : 1000
 Collectors.summingDouble : 1400000.0
 Collectors.averagingDouble avg sal: 350000.0
 Collectors.counting() : Count : 4
 joinedStr by using joining() method : SundarPichaiLarryPage
 joinedDelimiterStr by using joining(Delimiter) method : Sundar * Pichai * Larry * Page
 joinePrePostStr by using joining(Delimiter) method : @Sundar *Pichai*Larry*Page|
 groupByRegion :: {Asia=[Employee [id= 300 , name=Larry, age= 30 , region=Asia, sal= 450000.0 ]], Africa=[Employee [id= 400 , name=Page, age= 59 , region=Africa, sal= 450000.0 ]], North America=[Employee [id= 100 , name=Sundar, age= 47 , region=North America, sal= 450000.0 ], Employee [id= 200 , name=Pichai, age= 25 , region=North America, sal= 50000.0 ]]}
 groupByRegionSet :: {Asia=[Employee [id= 300 , name=Larry, age= 30 , region=Asia, sal= 450000.0 ]], Africa=[Employee [id= 400 , name=Page, age= 59 , region=Africa, sal= 450000.0 ]], North America=[Employee [id= 100 , name=Sundar, age= 47 , region=North America, sal= 450000.0 ], Employee [id= 200 , name=Pichai, age= 25 , region=North America, sal= 50000.0 ]]}
 partitionByAge :: { false =[Employee [id= 200 , name=Pichai, age= 25 , region=North America, sal= 50000.0 ], Employee [id= 300 , name=Larry, age= 30 , region=Asia, sal= 450000.0 ]], true =[Employee [id= 100 , name=Sundar, age= 47 , region=North America, sal= 450000.0 ], Employee [id= 400 , name=Page, age= 59 , region=Africa, sal= 450000.0 ]]}
 { 400 =Employee [id= 400 , name=Page, age= 59 , region=Africa, sal= 450000.0 ], 100 =Employee [id= 100 , name=Sundar, age= 47 , region=North America, sal= 450000.0 ], 200 =Employee [id= 200 , name=Pichai, age= 25 , region=North America, sal= 50000.0 ], 300 =Employee [id= 300 , name=Larry, age= 30 , region=Asia, sal= 450000.0 ]}
 { 400 =Employee [id= 400 , name=Page, age= 59 , region=Africa, sal= 450000.0 ], 100 =Employee [id= 100 , name=Sundar, age= 47 , region=North America, sal= 450000.0 ], 200 =Employee [id= 200 , name=Pichai, age= 25 , region=North America, sal= 50000.0 ], 300 =Employee [id= 300 , name=Larry, age= 30 , region=Asia, sal= 450000.0 ]}
 Collectors.filtering() - filteredEmpList : [Employee [id= 100 , name=Sundar, age= 47 , region=North America, sal= 450000.0 ], Employee [id= 400 , name=Page, age= 59 , region=Africa, sal= 450000.0 ]]
 itemsByGender : {F=[LineItem [itemId= 2001 , itemName=Item 6 , manfacturedDate=Mon Aug 01 00 : 00 : 00 IST 3910 ], LineItem [itemId= 2002 , itemName=Item 7 , manfacturedDate=Sun Aug 01 00 : 00 : 00 IST 3920 ]], M=[LineItem [itemId= 1001 , itemName=Item 1 , manfacturedDate=Mon Aug 01 00 : 00 : 00 IST 3910 ], LineItem [itemId= 1005 , itemName=Item 5 , manfacturedDate=Tue Aug 01 00 : 00 : 00 IST 3950 ], LineItem [itemId= 1004 , itemName=Item 4 , manfacturedDate=Thu Aug 01 00 : 00 : 00 IST 3940 ], LineItem [itemId= 1002 , itemName=Item 2 , manfacturedDate=Sun Aug 01 00 : 00 : 00 IST 3920 ], LineItem [itemId= 1003 , itemName=Item 3 , manfacturedDate=Fri Aug 01 00 : 00 : 00 IST 3930 ], LineItem [itemId= 2003 , itemName=Item 8 , manfacturedDate=Thu Aug 01 00 : 00 : 00 IST 3940 ], LineItem [itemId= 3004 , itemName=Item 9 , manfacturedDate=Sat Aug 01 00 : 00 : 00 IST 3970 ], LineItem [itemId= 3005 , itemName=Item 10 , manfacturedDate=Sun Aug 01 00 : 00 : 00 IST 4100 ]]}
 itemsCountByGender {F= 2 , M= 8 }
 Max Emp : Employee [id= 400 , name=Page, age= 59 , region=Africa, sal= 450000.0 ]
 Min Emp : Employee [id= 100 , name=Sundar, age= 47 , region=North America, sal= 450000.0 ]
 Min Emp using reducing() method : Employee [id= 100 , name=Sundar, age= 47 , region=North America, sal= 450000.0 ]
 Statistics summary on employees salary : DoubleSummaryStatistics{count= 4 , sum= 1400000.000000 , min= 50000.000000 , average= 350000.000000 , max= 450000.000000 }
 Average of first 100 numbers: 50.0

25. Conclusion

In this tutorial, We have covered in-depth on Collectors API .

First, Covered the introduction to the Collectors api and what it does.

Next, Shown the example programs on each and every method of Collectors .

All methods are declared as Static in Collectors class. So, Directly methods can be accessed with class name Eg Collectors.toList(), Collectors.groupingBy() etc .

Commonly used method of Collectors are toList(), toMap(), toCollection(), joining(), summingInt(), groupingBy() and partitioningBy().

All the examples shown are available over GitHub.

翻译自: https://www.javacodegeeks.com/2020/09/java-8-collectors-api-tutorial-with-real-time-examples.html

collectors

cunfen3485

关注

0
点赞
踩
2

收藏

觉得还不错? 一键收藏
0
评论
collectors_带有实时示例的Java 8 Collectors API教程

collectors Java 8的收集器api的快速实用指南。有关各种有用的归约运算以及将元素累积到集合中的示例程序1.概述在本教程中，我们将通过所有方法和示例程序深入学习Java 8 Collectors API 。收集器是扩展Object类的公共最终类。耐心阅读本文章。到本文结束时，您一定会成为Java 8的收集器的专家。收集器类提供了各种有用的归约操作，例如将元素累积到...
复制链接

扫一扫