java8 Stream api小记

最新推荐文章于 2024-08-24 17:09:16 发布

weixin_33825683

最新推荐文章于 2024-08-24 17:09:16 发布

阅读量52

点赞数

文章标签： java 数据结构与算法 python

原文链接：https://my.oschina.net/u/2474041/blog/1154323

版权

2019独角兽企业重金招聘Python工程师标准>>>

学着使用stream api，并做一些总结

很好的中文文档 https://www.ibm.com/developerworks/cn/java/j-lo-java8streamapi/

流的构成

当我们使用一个流的时候，通常包括三个基本步骤：

获取一个数据源（source）→ 数据转换→执行操作获取想要的结果，每次转换原有 Stream 对象不改变，返回一个新的 Stream 对象（可以有多次转换），这就允许对其操作可以像链条一样排列，变成一个管道。

常见用法

Collection.stream()
Collection.parallelStream() //并行流，不需要再写多线程代码，所有对它的操作会自动并行进行的
Arrays.stream(T array) or Stream.of()

流的操作类型分为两种：

Intermediate：一个流可以后面跟随零个或多个 intermediate 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（lazy），就是说，仅仅调用到这类方法，并没有真正开始流的遍历。如： map (mapToInt, flatMap 等)、 filter、 distinct、 sorted、 peek、 limit、 skip、 parallel、 sequential、 unordered
Terminal：一个流只能有一个 terminal 操作，当这个操作执行后，流就被使用“光”了，无法再被操作。所以这必定是流的最后一个操作。Terminal 操作的执行，才会真正开始流的遍历，并且会生成一个结果，或者一个 side effect。如： forEach、 forEachOrdered、 toArray、 reduce、 collect、 min、 max、 count、 anyMatch、 allMatch、 noneMatch、 findFirst、 findAny、 iterator

流的使用详解

常见案例

一个很简单的例子，涉及map,collect,forEach

List<String> wordList = Arrays.asList("a", "b", "c");
//map把留转换为一个新的对象返回，collect收集器把流中的元素汇总
List<String> output = wordList.stream().map(String::toUpperCase).collect(Collectors.toList());
output.forEach(System.out::println);

map的使用，它的作用就是把 input Stream 的每一个元素，映射成 output Stream 的另外一个元素。

collect:是一个终端操作,它接收的参数是将流中的元素累积到汇总结果的各种方式(称为收集器)

预定义收集器包括将流元素归约和汇总到一个值.如下

工厂方法	返回类型	用于
toList	List<T>	把流中所有元素收集到List中
示例:List<Menu> menus=Menu.getMenus.stream().collect(Collector.toList())
toSet	Set<T>	把流中所有元素收集到Set中,删除重复项
示例:Set<Menu> menus=Menu.getMenus.stream().collect(Collector.toSet())
toCollection	Collection<T>	把流中所有元素收集到给定的供应源创建的集合中
示例:ArrayList<Menu> menus=Menu.getMenus.stream().collect(Collector.toCollection(ArrayList::new))
Counting	Long	计算流中元素个数
示例:Long count=Menu.getMenus.stream().collect(counting);
SummingInt	Integer	对流中元素的一个整数属性求和
示例:Integer count=Menu.getMenus.stream().collect(summingInt(Menu::getCalories))
averagingInt	Double	计算流中元素integer属性的平均值
示例:Double averaging=Menu.getMenus.stream().collect(averagingInt(Menu::getCalories))
Joining	String	连接流中每个元素的toString方法生成的字符串
示例:String name=Menu.getMenus.stream().map(Menu::getName).collect(joining(“, ”))
maxBy	Optional<T>	一个包裹了流中按照给定比较器选出的最大元素的optional 如果为空返回的是Optional.empty()
示例:Optional<Menu> fattest=Menu.getMenus.stream().collect(maxBy(Menu::getCalories))
minBy	Optional<T>	一个包裹了流中按照给定比较器选出的最大元素的optional 如果为空返回的是Optional.empty()
示例: Optional<Menu> lessest=Menu.getMenus.stream().collect(minBy(Menu::getCalories))
Reducing	归约操作产生的类型	从一个作为累加器的初始值开始,利用binaryOperator与流中的元素逐个结合,从而将流归约为单个值
示例:int count=Menu.getMenus.stream().collect(reducing(0,Menu::getCalories,Integer::sum));
collectingAndThen	转换函数返回的类型	包裹另一个转换器,对其结果应用转换函数
示例:Int count=Menu.getMenus.stream().collect(collectingAndThen(toList(),List::size))
groupingBy	Map<K,List<T>>	根据流中元素的某个值对流中的元素进行分组,并将属性值做为结果map的键
示例:Map<Type,List<Menu>> menuType=Menu.getMenus.stream().collect(groupingby(Menu::getType))
partitioningBy	Map<Boolean,List<T>>	根据流中每个元素应用谓语的结果来对项目进行分区
示例:Map<Boolean,List<Menu>> menuType=Menu.getMenus.stream().collect(partitioningBy(Menu::isType));

forEach 方法接收一个 Lambda 表达式，然后在 Stream 的每一个元素上执行该表达式。

filter的使用

Integer[] sixNuMS = {1, 2, 3, 4, 5, 6};
List<Integer> evens = Stream.of(sixNuMS).filter(n->n%2==0).collect(Collectors.toList());
evens.forEach(System.out::println);

reduce的使用

//拼接字符串
String concact = Stream.of("A","B","C","D").reduce("",String::concat);
System.out.println(concact);
//求最小值
double minValue = Stream.of(1.5,1.0,2.0,-3.0,-2.1).reduce(Double.MAX_VALUE,Double::min);
System.out.println(minValue);
//求和
int sumValue = Stream.of(1,2,3,4).reduce(Integer::sum).get();
System.out.println(sumValue);

这个方法的主要作用是把 Stream 元素组合起来。它提供一个起始值（种子），然后依照运算规则（BinaryOperator），和前面 Stream 的第一个、第二个、第 n 个元素组合

sorted的使用

List<Integer> list = Arrays.asList(1, 5, 7, 9, 3, 4);
List<Integer> list2 = list.stream().sorted((a, b) -> a.compareTo(b)).limit(4).collect(Collectors.toList());
System.out.println(list2);

对 Stream 的排序通过 sorted 进行，它比数组的排序更强之处在于你可以首先对 Stream 进行各类 map、filter、limit、skip 甚至 distinct 来减少元素数量后，再排序，这能帮助程序明显缩短执行时间。

match 的使用

List<Integer> list = Arrays.asList(1, 5, 7, 9, 3, 4);
boolean all = list.stream().allMatch(n -> n > 10);
System.out.println(all);
boolean any = list.stream().anyMatch(n -> n > 10);
System.out.println(any);
boolean none = list.stream().noneMatch(n -> n > 10);
System.out.println(none);

Stream 有三个 match 方法，从语义上说：

allMatch：Stream 中全部元素符合传入的 predicate，返回 true
anyMatch：Stream 中只要有一个元素符合传入的 predicate，返回 true
noneMatch：Stream 中没有一个元素符合传入的 predicate，返回 true

总结

总之，Stream 的特性可以归纳为：

不是数据结构

它没有内部存储，它只是用操作管道从 source（数据结构、数组、generator function、IO channel）抓取数据。
它也绝不修改自己所封装的底层数据结构的数据。例如 Stream 的 filter 操作会产生一个不包含被过滤元素的新 Stream，而不是从 source 删除那些元素。