一、Stream API 的操作步骤:
概念:
流(Stream)是数据渠道,用于操作数据源(集合、数组等)所生成的元素序列。
“集合讲的是数据,流讲的是计算!”
注意:
①Stream 自己不会存储元素。
②Stream 不会改变源对象。相反,他们会返回一个持有结果的新Stream。
③Stream 操作是延迟执行的。这意味着他们会等到需要结果的时候才执行。
1. 创建 Stream
一个数据源(如: 集合、数组),获取一个流。
2. 中间操作
多个中间操作可以连接起来形成一个流水线,除非流水线上触发终止操作,否则中间操作不会执行任何的处理!
而在终止操作时一次性全部处理,称为“惰性求值”。
3. 终止操作(终端操作)
终端操作会从流的流水线生成结果。其结果可以是任何不是流的
值,例如: List、 Integer,甚至是 void 。
示例(点击上方超链接跳转到对应示例)
/**
* 1、创建 Stream
*/
@Test
public void test1(){
//1. Collection 提供了两个方法 stream() 与 parallelStream()
List<String> list = new ArrayList<>();
Stream<String> stream = list.stream(); //获取一个顺序流
Stream<String> parallelStream = list.parallelStream(); //获取一个并行流
//2. 通过 Arrays 中的 stream() 获取一个数组流
Integer[] nums = new Integer[10];
Stream<Integer> stream1 = Arrays.stream(nums);
//3. 通过 Stream 类中静态方法 of()
Stream<Integer> stream2 = Stream.of(1,2,3,4,5,6);
//4. 创建无限流
//迭代
Stream<Integer> stream3 = Stream.iterate(0, (x) -> x + 2).limit(10);
stream3.forEach(System.out::println);
//生成
Stream<Double> stream4 = Stream.generate(Math::random).limit(2);
stream4.forEach(System.out::println);
}
运行结果:
张三
----------------------------------
张三
2、中间操作:
- 筛选与切片:
1、filter——接收 Lambda , 从流中排除某些元素。
2、limit——截断流,使其元素不超过给定数量。
3、skip(n) —— 跳过元素,返回一个扔掉了前 n 个元素的流。若流中元素不足 n 个,则返回一个空流。与 limit(n) 互补。
4、distinct——筛选,通过流所生成元素的 hashCode() 和 equals() 去除重复元素。 - 映射:
1、map——接收 Lambda , 将元素转换成其他形式或提取信息。接收一个函数作为参数,该函数会被应用到每个元素上,并将其映射成一个新的元素。
2、flatMap——接收一个函数作为参数,将流中的每个值都换成另一个流,然后把所有流连接成一个流。 - 排序:
1、sorted()——自然排序(Comparable)
2、sorted(Comparator com)——定制排序(Comparator)
/**
* 筛选与切片
* filter——接收 Lambda , 从流中排除某些元素。
* limit——截断流,使其元素不超过给定数量。
* skip(n) —— 跳过元素,返回一个扔掉了前 n 个元素的流。若流中元素不足 n 个,则返回一个空流。与 limit(n) 互补
* distinct——筛选,通过流所生成元素的 hashCode() 和 equals() 去除重复元素
*/
List<Employee> emps = Arrays.asList(
new Employee(102, "李四", 59, 6666.66),
new Employee(101, "张三", 18, 9999.99),
new Employee(103, "王五", 28, 3333.33),
new Employee(104, "赵六", 8, 7777.77),
new Employee(104, "赵六", 8, 7777.77),
new Employee(104, "赵六", 8, 7777.77),
new Employee(105, "田七", 38, 5555.55),
new Employee(105, "田七", 38, 5555.55)
);
//内部迭代:迭代操作 Stream API 内部完成
@Test
public void test01() {
emps.parallelStream()
.filter((e) -> e.getSalary() >= 5000) // filter
.skip(2) // skip
.distinct() // distinct
.forEach(System.out::println);
}
@Test
public void test010() {
emps.parallelStream()
.filter(e -> {
// 筛选名称为李四的
if ("李四".equals(e.getName())) {
return true;
} else {
return false;
}
}).forEach(System.out::println);
}
@Test
public void test02() {
emps.stream().filter((e) -> { // filter
System.out.println("短路!"); // && ||
return e.getSalary() >= 5000;
}).limit(3) // limit
.forEach(System.out::println);
}
运行结果:
Employee [id=105, name=田七, age=38, salary=5555.55]
Employee [id=104, name=赵六, age=8, salary=7777.77]
短路!
Employee [id=102, name=李四, age=59, salary=6666.66]
短路!
Employee [id=101, name=张三, age=18, salary=9999.99]
短路!
短路!
Employee [id=104, name=赵六, age=8, salary=7777.77]
/*
* 映射(这两个类似add()和addAll())
* map——接收 Lambda , 将元素转换成其他形式或提取信息。接收一个函数作为参数,该函数会被应用到每个元素上,并将其映射成一个新的元素。
* flatMap——接收一个函数作为参数,将流中的每个值都换成另一个流,然后把所有流连接成一个流。
*/
@Test
public void test01(){
List<String> strList = Arrays.asList("aaa", "bbb","ccc");
// map
Stream<String> stringStream = strList.stream()
.map(String::toUpperCase);
stringStream.forEach(System.out::println);
Stream<Stream<Character>> streamStream = strList.stream()
.map(TestStreamAPI1::filterCharacter);
streamStream.forEach((sm) -> {
sm.forEach(System.out::println);
});
// flatMap
Stream<Character> characterStream = strList.stream()
.flatMap(TestStreamAPI1::filterCharacter);
characterStream.forEach(System.out::println);
}
/**
* 传入字符串转化为存放字符的Stream
*/
public static Stream<Character> filterCharacter(String str){
List<Character> list = new ArrayList<>();
for (Character c : str.toCharArray()) {
list.add(c);
}
return list.stream();
}
运行结果:
AAA
BBB
CCC
a
a
a
b
b
b
c
c
c
a
a
a
b
b
b
c
c
c
/* 排序:
* sorted()——自然排序(Comparable)
* sorted(Comparator com)——定制排序(Comparator)
*/
@Test
public void test02(){
emps.stream()
.map(Employee::getName)
.sorted()
.forEach(System.out::println);
System.out.println("------------------------------------");
// 如果年龄相等,则根据姓名排序。
emps.stream()
.sorted((x, y) -> {
if(x.getAge() == y.getAge()){
return x.getName().compareTo(y.getName());
} else {
return Integer.compare(x.getAge(), y.getAge());
}
}).forEach(System.out::println);
}
运行结果:
张三
李四
王五
田七
赵六
赵六
赵六
------------------------------------
Employee [id=104, name=赵六, age=8, salary=7777.77]
Employee [id=104, name=赵六, age=8, salary=7777.77]
Employee [id=104, name=赵六, age=8, salary=7777.77]
Employee [id=101, name=张三, age=28, salary=9999.99]
Employee [id=103, name=王五, age=28, salary=3333.33]
Employee [id=105, name=田七, age=38, salary=5555.55]
Employee [id=102, name=李四, age=59, salary=6666.66]
3、终止操作
- allMatch——检查是否匹配所有元素
- anyMatch——检查是否至少匹配一个元素
- noneMatch——检查是否没有匹配的元素
- findFirst——返回第一个元素
- findAny——返回当前流中的任意元素
- count——返回流中元素的总个数
- max——返回流中最大值
- min——返回流中最小值
- 归约
reduce(T identity, BinaryOperator) / reduce(BinaryOperator) ——可以将流中元素反复结合起来,得到一个值。 - collect——将流转换为其他形式。接收一个 Collector接口的实现,用于给Stream中元素做汇总的方法
注意:流进行了终止操作后,不能再次使用。
List<Employee> emps = Arrays.asList(
new Employee(102, "李四", 59, 6666.66, Status.BUSY),
new Employee(101, "张三", 18, 9999.99, Status.FREE),
new Employee(103, "王五", 28, 3333.33, Status.VOCATION),
new Employee(104, "赵六", 8, 7777.77, Status.BUSY),
new Employee(104, "赵六", 8, 7777.77, Status.FREE),
new Employee(105, "田七", 38, 5555.55, Status.BUSY)
);
/**
* allMatch——检查是否匹配所有元素
* anyMatch——检查是否至少匹配一个元素
* noneMatch——检查是否没有匹配的元素
*/
@Test
public void test01(){
boolean b1 = emps.stream()
.allMatch((e) -> e.getStatus().equals(Status.BUSY));
System.out.println(b1);
boolean b2 = emps.stream()
.anyMatch((e) -> e.getStatus().equals(Status.BUSY));
System.out.println(b2);
boolean b3 = emps.stream()
.noneMatch((e) -> e.getStatus().equals(Status.BUSY));
System.out.println(b3);
}
运行结果:
false
true
false
/**
* findFirst——返回第一个元素
* findAny——返回当前流中的任意元素
*/
@Test
public void test02(){
Optional<Employee> op = emps.stream()
.sorted((e1, e2) -> Double.compare(e1.getSalary(), e2.getSalary()))
.findFirst();
System.out.println(op.get());
Optional<Employee> op2 = emps.parallelStream()
.filter((e) -> e.getStatus().equals(Status.FREE))
.findAny();
System.out.println(op2.get());
}
运行结果:
Employee{id=103, name='王五', age=28, salary=3333.33, status=VOCATION}
Employee{id=104, name='赵六', age=8, salary=7777.77, status=FREE}
/*
* count——返回流中元素的总个数
* max——返回流中最大值
* min——返回流中最小值
*/
@Test
public void test03(){
long count = emps.stream()
.filter((e) -> e.getStatus().equals(Status.FREE))
.count();
System.out.println(count);
Optional<Double> op = emps.stream()
.map(Employee::getSalary)
.max(Double::compare);
System.out.println(op.get());
Optional<Employee> op2 = emps.stream()
.min((e1, e2) -> Double.compare(e1.getSalary(), e2.getSalary()));
System.out.println(op2.get());
}
运行结果:
2
9999.99
Employee{id=103, name='王五', age=28, salary=3333.33, status=VOCATION}
/*
* 归约
* reduce(T identity, BinaryOperator) / reduce(BinaryOperator) ——可以将流中元素反复结合起来,得到一个值。
*/
@Test
public void test01(){
List<Integer> list = Arrays.asList(1, 2, 3, 4, 5, 6, 7, 8, 9, 10);
Integer sum = list.stream()
.reduce(0, (x, y) -> x + y);
System.out.println(sum);
System.out.println("----------------------------------------");
Optional<Double> op = emps.stream()
.map(Employee::getSalary)
.reduce(Double::sum);
System.out.println(op.get());
}
运行结果:
55
----------------------------------------
48888.84000000001
/**
* collect——将流转换为其他形式。接收一个 Collector接口的实现,用于给Stream中元素做汇总的方法
*/
@Test
public void test03(){
List<String> list = emps.stream()
.map(Employee::getName)
.collect(Collectors.toList());
list.forEach(System.out::println);
System.out.println("----------------------------------");
Set<String> set = emps.stream()
.map(Employee::getName)
.collect(Collectors.toSet());
set.forEach(System.out::println);
System.out.println("----------------------------------");
HashSet<String> hs = emps.stream()
.map(Employee::getName)
.collect(Collectors.toCollection(HashSet::new));
hs.forEach(System.out::println);
System.out.println("----------------------------------");
// 最大值
Optional<Double> max = emps.stream()
.map(Employee::getSalary)
.collect(Collectors.maxBy(Double::compare));
System.out.println(max);
System.out.println("----------------------------------");
// 最小值
Optional<Employee> min = emps.stream()
.collect(Collectors.minBy((e1, e2) -> Double.compare(e1.getSalary(), e2.getSalary())));
System.out.println(min);
System.out.println("----------------------------------");
// 总和
Double sum = emps.stream()
.collect(Collectors.summingDouble(Employee::getSalary));
System.out.println(sum);
System.out.println("----------------------------------");
// 平均值
Double avg = emps.stream()
.collect(Collectors.averagingDouble(Employee::getSalary));
System.out.println(avg);
System.out.println("----------------------------------");
// 计数
Long count = emps.stream()
.collect(Collectors.counting());
System.out.println(count);
System.out.println("--------------------------------------------");
DoubleSummaryStatistics dss = emps.stream()
.collect(Collectors.summarizingDouble(Employee::getSalary));
System.out.println(dss.getMax());
System.out.println(dss.getAverage());
System.out.println(dss.getCount());
System.out.println("-------------分组----------------");
Map<Status, List<Employee>> map = emps.stream()
.collect(Collectors.groupingBy(Employee::getStatus));
System.out.println(map);
System.out.println("--------------多级分组------------");
Map<Status, Map<String, List<Employee>>> mapMap = emps.stream()
.collect(Collectors.groupingBy(Employee::getStatus, Collectors.groupingBy((e) -> {
if (e.getAge() >= 60) {
return "老年";
} else if (e.getAge() >= 35) {
return "中年";
} else {
return "成年";
}
})));
System.out.println(mapMap);
System.out.println("--------------分区------------");
Map<Boolean, List<Employee>> bMap = emps.stream()
.collect(Collectors.partitioningBy((e) -> e.getSalary() >= 5000));
System.out.println(bMap);
System.out.println("--------------分区------------");
String str = emps.stream()
.map(Employee::getName)
.collect(Collectors.joining(","));
System.out.println(str);
}
运行结果:
李四
张三
王五
赵六
赵六
赵六
田七
----------------------------------
李四
张三
王五
赵六
田七
----------------------------------
李四
张三
王五
赵六
田七
----------------------------------
Optional[9999.99]
----------------------------------
Optional[Employee{id=103, name='王五', age=28, salary=3333.33, status=VOCATION}]
----------------------------------
48888.840000000004
----------------------------------
6984.120000000001
----------------------------------
7
--------------------------------------------
9999.99
6984.120000000001
7
-------------分组----------------
{VOCATION=[Employee{id=103, name='王五', age=28, salary=3333.33, status=VOCATION}], BUSY=[Employee{id=102, name='李四', age=79, salary=6666.66, status=BUSY}, Employee{id=104, name='赵六', age=8, salary=7777.77, status=BUSY}, Employee{id=105, name='田七', age=38, salary=5555.55, status=BUSY}], FREE=[Employee{id=101, name='张三', age=18, salary=9999.99, status=FREE}, Employee{id=104, name='赵六', age=8, salary=7777.77, status=FREE}, Employee{id=104, name='赵六', age=8, salary=7777.77, status=FREE}]}
--------------多级分组------------
{VOCATION={成年=[Employee{id=103, name='王五', age=28, salary=3333.33, status=VOCATION}]}, BUSY={成年=[Employee{id=104, name='赵六', age=8, salary=7777.77, status=BUSY}], 老年=[Employee{id=102, name='李四', age=79, salary=6666.66, status=BUSY}], 中年=[Employee{id=105, name='田七', age=38, salary=5555.55, status=BUSY}]}, FREE={成年=[Employee{id=101, name='张三', age=18, salary=9999.99, status=FREE}, Employee{id=104, name='赵六', age=8, salary=7777.77, status=FREE}, Employee{id=104, name='赵六', age=8, salary=7777.77, status=FREE}]}}
--------------分区------------
{false=[Employee{id=103, name='王五', age=28, salary=3333.33, status=VOCATION}], true=[Employee{id=102, name='李四', age=79, salary=6666.66, status=BUSY}, Employee{id=101, name='张三', age=18, salary=9999.99, status=FREE}, Employee{id=104, name='赵六', age=8, salary=7777.77, status=BUSY}, Employee{id=104, name='赵六', age=8, salary=7777.77, status=FREE}, Employee{id=104, name='赵六', age=8, salary=7777.77, status=FREE}, Employee{id=105, name='田七', age=38, salary=5555.55, status=BUSY}]}
--------------分区------------
李四,张三,王五,赵六,赵六,赵六,田七