java8新特性——StreamAPI
1.什么是Stream流?
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,io流讲的是计算。
- Stream自己不会存储元素。
- Stream不会改变原对象,他们会返回一个持有结果的Stream的新流。
- Stream操作是延迟执行的,他们要等到需要结果的时候才会执行,
2.创建Stream流的步骤
1.创建Stream
一个数据源获取一个流(数据源:集合、数组)
2.中间操作(不会执行任何操作)
一个中间操作链,对数据源的数据做处理。
3.终止操作(一次性全部执行并输出结果)
一个终止操作,执行中间操作,并产生结果
3.创建Stream
1.可以通过Collection系列集合提供的Stream()或者pallelStream()
2.通过Arrays中的静态方法stream()获取数组流
3.通过Stream类中的静态of()方法
@Test
public void test1(){
//1.可以通过Collection系列集合提供的Stream()或者pallelStream
List<String> list=new ArrayList<>();
Stream<String> stream = list.stream();
//2.通过Arrays中的静态方法stream()获取数组流
User[] users = new User[10];
Stream<User> stream1 = Arrays.stream(users);
//3.通过Stream类中的静态of()方法
Stream<String> stringStream = Stream.of("test","xiong","luo");
//4.创建无限流
//迭代
Stream<Integer> iterate = Stream.iterate(0, (x) -> x + 2);
iterate
.limit(10) //中间操作
.filter(x->x%2==0)//中间操作
.forEach(System.out::println);//终止操作
}
4.中间操作
1.filter-接收Lambda,从流中排除某些元素(过滤某些元素)
2.limit-截断流,使其元素不超过给定数量
3.skip(n)-跳过元素,返回一个扔掉前n个元素的流,若流中不足n个元素,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
List<User> users=Arrays.asList(
new User("小白",23,10000),
new User("小黑",35,9000.0),
new User("小黄",29,5000),
new User("小花",49,15000),
new User("小花",49,15000)
);
/**
* 筛选与切片
* filter-接收Lambda,从流中排除某些元素(过滤某些元素)
* limit-截断流,使其元素不超过给定数量
* skip(n)-跳过元素,返回一个扔掉前n个元素的流,若流中不足n个元素,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
* */
@Test
public void test2(){
users
.stream()
.filter(user -> user.getAge()>30)
.forEach(System.out::println);
users
.stream()
.filter(user -> user.getAge()>30)//过滤出数据
.skip(1)//扔掉最前面一条
.forEach(System.out::println);
//去重
users.stream().distinct().forEach(System.out::println);
}
1.map-接收lambda,将元素转换为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,将其映射为一个新的元素
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,然后把所有流都换成一个流
/**
* 1.map-接收lambda,将元素转换为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,将其映射为一个新的元素
* 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,然后把所有流都换成一个流
* */
@Test
public void test3(){
List<String> list = Arrays.asList("luo", "she", "he", "man");
list.stream().map(x->x.toUpperCase()).forEach(System.out::println);
users.stream()
.map(x->x.getName())
.forEach(System.out::println);
}
//
//Map
@Test
public void test3(){
//过滤出每个字符
Stream<Stream<Character>> streamStream = list
.stream()
.map(StreamAPI::filterCharacter);//StreamAPI类名 {{l,u,o},{s,h,e}.......}
streamStream.forEach(x->{
x.forEach(System.out::println);
});
}
public static Stream<Character> filterCharacter(String str){
List<Character> list=new ArrayList<>();
for (Character c:str.toCharArray()){
list.add(c);
}
return list.stream();
}
//
//flatMap
Stream<Character> characterStream1 = list
.stream()
.flatMap(StreamAPI::filterCharacter);//{l,u,o,s,h,e........}
characterStream1.forEach(System.out::println);
/**
* map和flatmap和稽核中的add(Object o)和addAll(Collection coll)类似
* */
@Test
public void test4(){
List<String> list = Arrays.asList("luo", "she", "he", "man");
List<Object> string = new ArrayList<>();
string.add("bear");
string.add(list);
System.out.println(string);//[bear, [luo, she, he, man]]
}
@Test
public void test4(){
List<String> list = Arrays.asList("luo", "she", "he", "man");
List<Object> string = new ArrayList<>();
string.add("bear");
//string.add(list);
string.addAll(list);
//System.out.println(string);//[bear, [luo, she, he, man]]
System.out.println(string);//[bear, luo, she, he, man]
}
排序
sorted()-自然排序
sorted(Comparator com)-定制排序
/**
* 排序
* sorted()-自然排序(Comparable)
* sorted(Comparator com)-定制排序(Comparator)
* */
@Test
public void test5(){
List<String> list = Arrays.asList("ddd", "aaa", "ccc", "bbb");
list
.stream()
.sorted()
.forEach(System.out::println);
users.stream()
.sorted((u1,u2)->{
if (u1.getAge().equals(u2.getAge())){
return u1.getName().compareTo(u2.getName());
}else {
return u1.getAge().compareTo(u2.getAge());
}
}).forEach(System.out::println);
}
5.终止操作
查找与匹配
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-检查是否没有匹配所有元素
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-返回流中的最大值
min-返回流中最小值
/**
* 查找与匹配
* 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-检查是否没有匹配所有元素
* 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-返回流中的最大值
* min-返回流中最小值
*/
@Test
public void test6() {
//是否匹配所有元素
boolean b = users.stream().allMatch(x -> x.getAge() > 25);
System.out.println(b);
//是否至少匹配一个元素
boolean b1 = users.stream().anyMatch(x -> x.getMoney() > 100000);
//是否没有匹配所有元素
boolean luo = users.stream().noneMatch(s -> s.getAge().equals("小白"));
//返回第一个元素
Optional<User> first = users
.stream()
.sorted((e1, e2) -> -Double.compare(e1.getMoney(), e2.getMoney()))//负号表示找最大的工资
.findFirst();
System.out.println(first.get());
//返回当前流中的任意元素
Optional<User> any = users.stream().filter(x -> x.getMoney() > 100000).findAny();
System.out.println(any.get());
//返回流中元素的总个数
long count = users.stream().count();
System.out.println(count);
//返回流中的最大值
Optional<User> max = users.stream().max((e1, e2) -> Double.compare(e1.getMoney(), e2.getMoney()));
System.out.println(max.get());
//返回流中的最小值
Optional<User> min = users.stream().min((e1, e2) -> Double.compare(e1.getMoney(), e2.getMoney()));
System.out.println(max.get());
}
归约
reduce(T identity,BinaryOperator b)-可以将流中元素结合起来得到一个值
/**
* 归约
* reduce(T identity,BinaryOperator b)-可以将流中元素结合起来得到一个值
* */
@Test
public void test7() {
//累加操作
List<Integer> integers = Arrays.asList(1, 2, 3, 4, 5);
Integer reduce = integers.stream().reduce(0,(x, y) -> x + y);//从0开始
System.out.println(reduce);//15
//获取所有钱
Optional<Double> reduce1 = users.stream().map(User::getMoney).reduce(Double::sum);
System.out.println(reduce1.get());
}
收集
collect-将流转换为其他的形式,接收一个Collector接口的实现,用于给Stream中元素做汇总的方法
/**
*collect-将流转换为其他的形式,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 test8() {
//转化为List
List<Double> money = users.stream().map(User::getMoney).collect(Collectors.toList());
//转化为set集合
Set<String> name = users.stream().map(User::getName).collect(Collectors.toSet());
//转化为HashSet
HashSet<Integer> age = users.stream().map(User::getAge).collect(Collectors.toCollection(HashSet::new));
//总数
Long sum = users.stream().collect(Collectors.counting());
//平均值
Double averageMoney = users.stream().collect(Collectors.averagingDouble(User::getMoney));
//总和
DoubleSummaryStatistics totalMoney = users.stream().collect(Collectors.summarizingDouble(User::getMoney));
//最大值
Optional<User> max = users.stream().collect(Collectors.maxBy((e1, e2) -> Double.compare(e1.getMoney(), e2.getMoney())));
System.out.println(max.get().getMoney());
//最小值
Optional<User> min = users.stream().collect(Collectors.minBy((e1, e2) -> Double.compare(e1.getMoney(), e2.getMoney())));
System.out.println(min.get().getMoney());
//分组(单一)
Map<Integer, List<User>> group = users.stream().collect(Collectors.groupingBy(User::getAge));
//分组(多级分组)
Map<Integer, Map<String, List<User>>> collect = users
.stream()
.collect(Collectors.groupingBy(User::getAge, Collectors.groupingBy((user)->{
if (user.getMoney()>10000){
return "富人";
}else {
return "穷人";
}
})));
System.out.println(collect);
//分区(按照某一个值分区处理,满足条件的为true,不满足条件的为false)
Map<Boolean, List<User>> partitioning = users.stream().collect(Collectors.partitioningBy((e) -> e.getAge() > 30));
System.out.println(partitioning);
/
DoubleSummaryStatistics summarizing = users.stream().collect(Collectors.summarizingDouble(User::getMoney));
summarizing.getAverage();//平均值
summarizing.getCount();//总数
summarizing.getMax();//最大值
summarizing.getMin();//最小值
summarizing.getSum();//总和
//连接字符转(根据逗号分隔)
String nameStr = users.stream()
.map(User::getName)
.collect(Collectors.joining(","));
System.out.println(nameStr);
}