stream流对象的使用

什么是流

流是从支持数据处理操作的源生成的元素序列，源可以是数组、文件、集合、函数。流不是集合元素，他不是数据结构并不保存数据，他的主要目的在于计算

如何生成流

生成流的方式主要有五种

1、通过集合生成，应用中最常用的一种

List<Integer> list = Arrays.asList(1, 2, 3, 4, 5, 6, 7, 8, 9);
Stream<Integer> stream = list.stream();

通过集合的stream生成流

2、通过数组生成

int[] ints = new int[]{1, 2, 3, 4, 5, 6, 7, 8};
IntStream intStream = Arrays.stream(ints);

通过Arrays.stream方法生成流，并且该方法生成的流是数值流【即IntStream】而不是 Stream。补充一点使用数值流可以避免计算过程中拆箱装箱，提高性能。
Stream API提供了mapToInt、mapToDouble、mapToLong三种方式将对象流【即Stream 】转换成对应的数值流，同时提供了boxed方法将数值流转换为对象流

3、通过值生成

Stream<Integer> integerStream = Stream.of(1, 2, 3, 4, 5, 6);

4、通过文件生成

try {
    Stream<String> lines = Files.lines(Paths.get("/pa.txt"), Charset.defaultCharset());
} catch (IOException e) {
    e.printStackTrace();
}

通过Files.line方法得到一个流，并且得到的每个流是给定文件中的一行

5、通过函数生成 提供了iterate和generate两个静态方法从函数中生成流

iterator

Stream<Integer> stream1 = Stream.iterate(0, n -> n + 2).limit(5);

iterate方法接受两个参数，第一个为初始化值，第二个为进行的函数操作，因为iterator生成的流为无限流，通过limit方法对流进行了截断，只生成5个偶数

generator

Stream<Double> stream2 = Stream.generate(Math::random).limit(5);

generate方法接受一个参数，方法参数类型为Supplier ，由它为流提供值。generate生成的流也是无限流，因此通过limit对流进行了截断
流的操作类型

中间操作

一个流可以后面跟随零个或多个中间操作。其目的主要是打开流，做出某种程度的数据映射/过滤，然后返回一个新的流，交给下一个操作使用。这类操作都是惰性化的，仅仅调用到这类方法，并没有真正开始流的遍历，真正的遍历需等到终端操作时，常见的中间操作有下面即将介绍的filter、map等

filter筛选

List<Integer> list = Arrays.asList(1, 2, 3, 4, 5, 6, 7, 8, 9,9,8,5);
list.stream().filter(i -> i > 3);

通过使用filter方法进行条件筛选，filter的方法参数为一个条件

distinct去除重复元素

List<Integer> list = Arrays.asList(1, 2, 3, 4, 5, 6, 7, 8, 9,9,8,5);
list.stream().distinct();

通过distinct方法快速去除重复的元素

limit返回指定流个数

List<Integer> list = Arrays.asList(1, 2, 3, 4, 5, 6, 7, 8, 9,9,8,5);
list.stream().limit(5);

通过limit方法指定返回流的个数，limit的参数值必须>=0，否则将会抛出异常

skip跳过流中的元素

List<Integer> list = Arrays.asList(1, 2, 3, 4, 5, 6, 7, 8, 9,9,8,5);
list.stream().skip(6);

通过skip方法跳过流中的元素，上述例子跳过前两个元素，所以打印结果为2,3,4,5，skip的参数值必须>=0，否则将会抛出异常

map流映射

所谓流映射就是将接受的元素映射成另外一个元素

List<String> stringList =Arrays.asList("Java 8","张三","Ancaots","18");
Stream<Integer> stream3 = stringList.stream().map(String::length);

通过map方法可以完成映射，该例子完成中String -> Integer的映射，对象通过map方法完成了对象->String的映射

flatMap流转换

将一个流中的每个值都转换为另一个流

List<String> stringList =Arrays.asList("Java 8","张三","Ancaots","18");
stringList.stream().map(s -> s.split(" ")).flatMap(Arrays::stream).distinct().collect(Collectors.toList());

map(w -> w.split(" "))的返回值为 Stream<String[]>，我们想获取 Stream，可以通过flatMap方法完成Stream ->Stream 的转换

元素匹配

allMatch匹配所有

List<Integer> list = Arrays.asList(1, 2, 3, 4, 5, 6, 7, 8, 9,9,8,5);
if (list.stream().allMatch(i -> i > 6)) {
    System.out.println("值都大于6");
}

anyMatch匹配其中一个

List<Integer> list = Arrays.asList(1, 2, 3, 4, 5, 6, 7, 8, 9,9,8,5);
if (list.stream().anyMatch(i -> i > 6)) {
    System.out.println("存在大于6的值");
}

noneMatch全部不匹配

List<Integer> list = Arrays.asList(1, 2, 3, 4, 5, 6, 7, 8, 9,9,8,5);
if (list.stream().noneMatch(i -> i > 6)) {
    System.out.println("值都小于6");
}

终端操作

一个流有且只能有一个终端操作，当这个操作执行后，流就被关闭了，无法再被操作，因此一个流只能被遍历一次，若想在遍历需要通过源数据在生成流。终端操作的执行，才会真正开始流的遍历。如下面即将介绍的count、collect等

统计流中元素个数

通过count

List<Integer> list = Arrays.asList(1, 2, 3, 4, 5, 6, 7, 8, 9, 9, 8, 5);
Long result = list.stream().count();

通过使用count方法统计出流中元素个数

通过counting

List<Integer> list = Arrays.asList(1, 2, 3, 4, 5, 6, 7, 8, 9, 9, 8, 5);
Long result = list.stream().collect(Collectors.counting());

最后一种统计元素个数的方法在与collect联合使用的时候特别有用

查找

findFirst查找第一个

List<Integer> list = Arrays.asList(1, 2, 3, 4, 5, 6, 7, 8, 9, 9, 8, 5);
Optional<Integer> result = list.stream().filter(i -> i > 6).findFirst();

通过findFirst方法查找到第一个大于三的元素并打印

findAny随机查找一个

List<Integer> list = Arrays.asList(1, 2, 3, 4, 5, 6, 7, 8, 9, 9, 8, 5);
Optional<Integer> result = list.stream().filter(i -> i > 6).findAny();

通过findAny方法查找到其中一个大于三的元素并打印，因为内部进行优化的原因，当找到第一个满足大于三的元素时就结束，该方法结果和findFirst方法结果一样。提供findAny方法是为了更好的利用并行流，findFirst方法在并行上限制更多

reduce将流中的元素组合起来

如我们对一个集合中的值进行求和

int sum = list.stream().reduce(0,(a,b)->(a+b));
// 或者
int sum = list.stream().reduce(0,Integer::sum);

reduce接受两个参数，一个初始值这里是0，一个 BinaryOperatoraccumulator
来将两个元素结合起来产生一个新值，
另外reduce方法还有一个没有初始化值的重载方法

获取流中最小最大值

通过min/max获取最小最大值

List<Dish> dishList = new ArrayList<>();
Optional<Integer> min = dishList.stream().map(Dish::getCalories).min(Integer::compareTo);
Optional<Integer> max = dishList.stream().map(Dish::getCalories).max(Integer::compareTo);
// 或
Optional<Integer> min = dishList.stream().mapToInt(Dish::getCalories).min();
Optional<Integer> max = dishList.stream().mapToInt(Dish::getCalories).max();

min获取流中最小值，max获取流中最大值，方法参数为 Comparator<?superT>comparator

通过minBy/maxBy获取最小最大值

List<Dish> dishList = new ArrayList<>();
Optional<Integer> min = dishList.stream().map(Dish::getCalories).collect(Collectors.minBy(Integer::compareTo));
Optional<Integer> max = dishList.stream().map(Dish::getCalories).collect(Collectors.minBy(Integer::compareTo));

minBy获取流中最小值，maxBy获取流中最大值，方法参数为 Comparator<?superT>comparator

通过reduce获取最小最大值

List<Dish> dishList = new ArrayList<>();
Optional<Integer> min = dishList.stream().map(Dish::getCalories).reduce(Integer::compareTo);
Optional<Integer> max = dishList.stream().map(Dish::getCalories).reduce(Integer::compareTo);

求和

通过summingInt

List<Dish> dishList = new ArrayList<>();
int sum =  dishList.stream().collect(Collectors.summingInt(Dish::getCalories));

通过sum

List<Dish> dishList = new ArrayList<>();
int sum =  dishList.stream().mapToInt(Dish::getCalories).sum();

在上面求和、求最大值、最小值的时候，对于相同操作有不同的方法可以选择执行。可以选择collect、reduce、min/max/sum方法，推荐使用min、max、sum方法。因为它最简洁易读，同时通过mapToInt将对象流转换为数值流，避免了装箱和拆箱操作

通过averagingInt求平均值

List<Dish> dishList = new ArrayList<>();
OptionalDouble avg =  dishList.stream().mapToInt(Dish::getCalories).average();
double average = dishList.stream().collect(Collectors.averagingInt(Dish::getCalories));

如果数据类型为double、long，则通过averagingDouble、averagingLong方法进行求平均

通过summarizingInt同时求总和、平均值、最大值、最小值

IntSummaryStatistics intSummaryStatistics = dishList.stream().collect(Collectors.summarizingInt(Dish::getCalories));
double avg = intSummaryStatistics.getAverage(); // 求平均
int max = intSummaryStatistics.getMax(); // 求最大值
int min = intSummaryStatistics.getMin(); //     求最小值
long sum = intSummaryStatistics.getSum();// 求和

如果数据类型为double、long，则通过summarizingDouble、summarizingLong方法

通过foreach进行元素遍历

List<Integer> list = Arrays.asList(1, 2, 3, 4, 5, 6, 7, 8, 9, 9, 8, 5);
list.stream().forEach(System.out::println);

jdk8之后遍历元素来的更为方便，原来的for-each直接通过foreach方法就能实现了

返回集合

List<Dish> dishList = new ArrayList<>();
List<String> strings =  dishList.stream().map(Dish::getName).collect(Collectors.toList());
Set<String> set =  dishList.stream().map(Dish::getName).collect(Collectors.toSet());

通过joining拼接流中的元素

List<Dish> dishList = new ArrayList<>();
String result =  dishList.stream().map(Dish::getName).collect(Collectors.joining(","));

默认如果不通过map方法进行映射处理拼接的toString方法返回的字符串，joining的方法参数为元素的分界符，如果不指定生成的字符串将是一串的，可读性不强

通过groupingBy进行分组

List<Dish> dishList = new ArrayList<>();
Map<Integer,List<Dish>> map = dishList.stream().collect(Collectors.groupingBy(Dish::getType));

在collect方法中传入groupingBy进行分组，其中groupingBy的方法参数为分类函数。还可以通过嵌套使用

groupingBy进行多级分类

Map<Integer, Map<Object, List<Dish>>> result = dishList.stream().collect(Collectors.groupingBy(Dish::getType,Collectors.groupingBy(dish->{
    if (dish.getCalories()<=400) return "0";
    else if (dish.getCalories()<=700) return "1";
    else return "2";
})));

通过partitioningBy进行分区

分区是特殊的分组，它分类依据是true和false，所以返回的结果最多可以分为两组

Map<Boolean, List<Dish>> result =  dishList.stream().collect(Collectors.partitioningBy(Dish::isVegetarian));

等同于

Map<Boolean, List<Dish>> result =  dishList.stream().collect(Collectors.groupingBy(Dish::isVegetarian));

这个例子可能并不能看出分区和分类的区别，甚至觉得分区根本没有必要，换个明显一点的例子：

Map<Boolean, List<Integer>> result = list.stream().collect(Collectors.partitioningBy(i -> i < 3));

返回值的键仍然是布尔类型，但是它的分类是根据范围进行分类的，分区比较适合处理根据范围进行分类