Java 8 是一个非常成功的版本,这个版本新增的Stream,配合同版本出现的Lambda ,给我们操作集合(Collection)提供了极大的便利。
Stream流是JDK8新增的成员,允许以声明性方式处理数据集合,可以把Stream流看作是遍历数据集合的一个高级迭代器。
Stream将要处理的元素集合看作一种流,在流的过程中,借助Stream API
对流中的元素进行操作,比如:筛选、排序、聚合等。
代码以声明性方式书写,说明想要完成什么,而不是说明如何完成一个操作。
可以把几个基础操作连接起来,来表达复杂的数据处理的流水线,同时保持代码清晰可读。
从支持数据处理操作的源生成元素序列.数据源可以是集合,数组或IO资源。
从操作角度来看,流与集合是不同的. 流不存储数据值; 流的目的是处理数据,它是关于算法与计算的。
如果把集合作为流的数据源,创建流时不会导致数据流动; 如果流的终止操作需要值时,流会从集合中获取值; 流只使用一次。
流中心思想是延迟计算,流直到需要时才计算值。
Stream可以由数组或集合创建,对流的操作分为两种:
另外,Stream有几个特性:
Stream
可以通过集合数组创建。
1、通过 java.util.Collection.stream()
方法用集合创建流
List list = Arrays.asList("a", "b", "c");
// 创建一个顺序流
Stream stream = list.stream();
// 创建一个并行流
Stream parallelStream = list.parallelStream();
2、使用java.util.Arrays.stream(T[] array)
方法用数组创建流
int[] array={1,3,5,6,8};
IntStream stream = Arrays.stream(array);
3、使用Stream
的静态方法:of()、iterate()、generate()
Stream stream = Stream.of(1, 2, 3, 4, 5, 6);
Stream stream2 = Stream.iterate(0, (x) -> x + 3).limit(4);
stream2.forEach(System.out::println);
Stream stream3 = Stream.generate(Math::random).limit(3);
stream3.forEach(System.out::println);
输出结果:
0 3 6 9
0.6796156909271994
0.1914314208854283
0.8116932592396652
stream
和parallelStream
的简单区分: stream
是顺序流,由主线程按顺序对流执行操作,而parallelStream
是并行流,内部以多线程并行执行的方式对流进行操作,但前提是流中的数据处理没有顺序要求。例如筛选集合中的奇数,两者的处理不同之处:
如果流中的数据量足够大,并行流可以加快处速度。
除了直接创建并行流,还可以通过parallel()
把顺序流转换成并行流:
Optional findFirst = list.stream().parallel().filter(x->x>6).findFirst();
先贴上几个案例,水平高超的同学可以挑战一下:
- 从员工集合中筛选出salary大于8000的员工,并放置到新的集合里。
- 统计员工的最高薪资、平均薪资、薪资之和。
- 将员工按薪资从高到低排序,同样薪资者年龄小者在前。
- 将员工按性别分类,将员工按性别和地区分类,将员工按薪资是否高于8000分为两部分。
用传统的迭代处理也不是很难,但代码就显得冗余了,跟Stream相比高下立判。
前提:员工类
static List personList = new ArrayList();
private static void initPerson() {
personList.add(new Person("张三", 8, 3000));
personList.add(new Person("李四", 18, 5000));
personList.add(new Person("王五", 28, 7000));
personList.add(new Person("孙六", 38, 9000));
}
Stream
也是支持类似集合的遍历和匹配元素的,只是Stream
中的元素是以Optional
类型存在的。Stream
的遍历、匹配非常简单。
// import已省略,请自行添加,后面代码亦是
public class StreamTest {
public static void main(String[] args) {
List list = Arrays.asList(7, 6, 9, 3, 8, 2, 1);
// 遍历输出符合条件的元素
list.stream().filter(x -> x > 6).forEach(System.out::println);
// 匹配第一个
Optional findFirst = list.stream().filter(x -> x > 6).findFirst();
// 匹配任意(适用于并行流)
Optional findAny = list.parallelStream().filter(x -> x > 6).findAny();
// 是否包含符合特定条件的元素
boolean anyMatch = list.stream().anyMatch(x -> x < 6);
System.out.println("匹配第一个值:" + findFirst.get());
System.out.println("匹配任意一个值:" + findAny.get());
System.out.println("是否存在大于6的值:" + anyMatch);
}
}
(1)筛选员工中未满18周岁的人,并形成新的集合
/**
* 筛选员工中未满18周岁的人,并形成新的集合
* @思路
* List list = new ArrayList();
* for(Person person : personList) {
* if(person.getAge() > 18) {
* list.add(person);
* }
* }
*/
private static void filter01() {
initPerson();
List collect = personList.stream().filter(x -> x.getAge()>18).collect(Collectors.toList());
System.out.println(collect);
}
(2)自定义条件匹配
(1)获取String集合中最长的元素
/**
* 获取String集合中最长的元素
* @思路
* List list = Arrays.asList("zhangsan", "lisi", "wangwu", "sunliu");
* String max = "";
* int length = 0;
* int tempLength = 0;
* for(String str : list) {
* tempLength = str.length();
* if(tempLength > length) {
* length = str.length();
* max = str;
* }
* }
* @return zhangsan
*/
private static void test02() {
List list = Arrays.asList("zhangsan", "lisi", "wangwu", "sunliu");
Comparator comparator = Comparator.comparing(String::length);
Optional max = list.stream().max(comparator);
System.out.println(max);
}
(2)获取Integer集合中的最大值
//获取Integer集合中的最大值
private static void test05() {
List list = Arrays.asList(1, 17, 27, 7);
Optional max = list.stream().max(Integer::compareTo);
// 自定义排序
Optional max2 = list.stream().max(new Comparator() {
@Override
public int compare(Integer o1, Integer o2) {
return o1.compareTo(o2);
}
});
System.out.println(max2);
}
//获取员工中年龄最大的人
private static void test06() {
initPerson();
Comparator comparator = Comparator.comparingInt(Person::getAge);
Optional max = personList.stream().max(comparator);
System.out.println(max);
}
(3)获取员工中年龄最大的人
(4)计算integer集合中大于10的元素的个数
map: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。
(1)字符串大写
(2)整数数组每个元素+3
/**
* 整数数组每个元素+3
* @思路
* List list = Arrays.asList(1, 17, 27, 7);
List list2 = new ArrayList();
for(Integer num : list) {
list2.add(num + 3);
}
@return [4, 20, 30, 10]
*/
private static void test09() {
List list = Arrays.asList(1, 17, 27, 7);
List collect = list.stream().map(x -> x + 3).collect(Collectors.toList());
System.out.println(collect);
}
(3)公司效益好,每人涨2000
/**
* 公司效益好,每人涨2000
*
*/
private static void test10() {
initPerson();
List collect = personList.stream().map(x -> {
x.setAge(x.getSalary()+2000);
return x;
}).collect(Collectors.toList());
System.out.println(collect);
}
(4)将两个字符数组合并成一个新的字符数组
/**
* 将两个字符数组合并成一个新的字符数组
*
*/
private static void test11() {
String[] arr = {"z, h, a, n, g", "s, a, n"};
List list = Arrays.asList(arr);
System.out.println(list);
List collect = list.stream().flatMap(x -> {
String[] array = x.split(",");
Stream stream = Arrays.stream(array);
return stream;
}).collect(Collectors.toList());
System.out.println(collect);
}
(5)将两个字符数组合并成一个新的字符数组
/**
* 将两个字符数组合并成一个新的字符数组
* @return [z, h, a, n, g, s, a, n]
*/
private static void test11() {
String[] arr = {"z, h, a, n, g", "s, a, n"};
List list = Arrays.asList(arr);
List collect = list.stream().flatMap(x -> {
String[] array = x.split(",");
Stream stream = Arrays.stream(array);
return stream;
}).collect(Collectors.toList());
System.out.println(collect);
}
归约,也称缩减,顾名思义,是把一个流缩减成一个值,能实现对集合求和、求乘积和求最值操作。
(1)求Integer集合的元素之和、乘积和最大值
/**
* 求Integer集合的元素之和、乘积和最大值
*
*/
private static void test13() {
List list = Arrays.asList(1, 2, 3, 4);
//求和
Optional reduce = list.stream().reduce((x,y) -> x+ y);
System.out.println("求和:"+reduce);
//求积
Optional reduce2 = list.stream().reduce((x,y) -> x * y);
System.out.println("求积:"+reduce2);
//求最大值
Optional reduce3 = list.stream().reduce((x,y) -> x>y?x:y);
System.out.println("求最大值:"+reduce3);
}
(2)求所有员工的工资之和和最高工资
/*
* 求所有员工的工资之和和最高工资
*/
private static void test14() {
initPerson();
Optional reduce = personList.stream().map(Person :: getSalary).reduce(Integer::sum);
Optional reduce2 = personList.stream().map(Person :: getSalary).reduce(Integer::max);
System.out.println("工资之和:"+reduce);
System.out.println("最高工资:"+reduce2);
}
取出大于18岁的员工转为map
/**
* 取出大于18岁的员工转为map
*
*/
private static void test15() {
initPerson();
Map collect = personList.stream().filter(x -> x.getAge() > 18).collect(Collectors.toMap(Person::getName, y -> y));
System.out.println(collect);
}
Collectors
提供了一系列用于数据统计的静态方法:
count
averagingInt
、averagingLong
、averagingDouble
maxBy
、minBy
summingInt
、summingLong
、summingDouble
summarizingInt
、summarizingLong
、summarizingDouble
/**
* 统计员工人数、平均工资、工资总额、最高工资
*/
private static void test01(){
//统计员工人数
Long count = personList.stream().collect(Collectors.counting());
//求平均工资
Double average = personList.stream().collect(Collectors.averagingDouble(Person::getSalary));
//求最高工资
Optional max = personList.stream().map(Person::getSalary).collect(Collectors.maxBy(Integer::compare));
//求工资之和
Integer sum = personList.stream().collect(Collectors.summingInt(Person::getSalary));
//一次性统计所有信息
DoubleSummaryStatistics collect = personList.stream().collect(Collectors.summarizingDouble(Person::getSalary));
System.out.println("统计员工人数:"+count);
System.out.println("求平均工资:"+average);
System.out.println("求最高工资:"+max);
System.out.println("求工资之和:"+sum);
System.out.println("一次性统计所有信息:"+collect);
}
Map
,比如员工按薪资是否高于8000分为两部分。将员工按薪资是否高于8000分为两部分;将员工按性别和地区分组
public class StreamTest {
public static void main(String[] args) {
personList.add(new Person("zhangsan",25, 3000, "male", "tieling"));
personList.add(new Person("lisi",27, 5000, "male", "tieling"));
personList.add(new Person("wangwu",29, 7000, "female", "tieling"));
personList.add(new Person("sunliu",26, 3000, "female", "dalian"));
personList.add(new Person("yinqi",27, 5000, "male", "dalian"));
personList.add(new Person("guba",21, 7000, "female", "dalian"));
// 将员工按薪资是否高于8000分组
Map> part = personList.stream().collect(Collectors.partitioningBy(x -> x.getSalary() > 8000));
// 将员工按性别分组
Map> group = personList.stream().collect(Collectors.groupingBy(Person::getSex));
// 将员工先按性别分组,再按地区分组
Map>> group2 = personList.stream().collect(Collectors.groupingBy(Person::getSex, Collectors.groupingBy(Person::getArea)));
System.out.println("员工按薪资是否大于8000分组情况:" + part);
System.out.println("员工按性别分组情况:" + group);
System.out.println("员工按性别、地区:" + group2);
}
}
joining
可以将stream中的元素用特定的连接符(没有的话,则直接连接)连接成一个字符串。
将员工按工资由高到低(工资一样则按年龄由大到小)排序
private static void test04(){
// 按工资升序排序(自然排序)
List newList = personList.stream().sorted(Comparator.comparing(Person::getSalary)).map(Person::getName)
.collect(Collectors.toList());
// 按工资倒序排序
List newList2 = personList.stream().sorted(Comparator.comparing(Person::getSalary).reversed())
.map(Person::getName).collect(Collectors.toList());
// 先按工资再按年龄升序排序
List newList3 = personList.stream()
.sorted(Comparator.comparing(Person::getSalary).thenComparing(Person::getAge)).map(Person::getName)
.collect(Collectors.toList());
// 先按工资再按年龄自定义排序(降序)
List newList4 = personList.stream().sorted((p1, p2) -> {
if (p1.getSalary() == p2.getSalary()) {
return p2.getAge() - p1.getAge();
} else {
return p2.getSalary() - p1.getSalary();
}
}).map(Person::getName).collect(Collectors.toList());
System.out.println("按工资升序排序:" + newList);
System.out.println("按工资降序排序:" + newList2);
System.out.println("先按工资再按年龄升序排序:" + newList3);
System.out.println("先按工资再按年龄自定义降序排序:" + newList4);
}
流也可以进行合并、去重、限制、跳过等操作。
private static void test05(){
String[] arr1 = { "a", "b", "c", "d" };
String[] arr2 = { "d", "e", "f", "g" };
Stream stream1 = Stream.of(arr1);
Stream stream2 = Stream.of(arr2);
// concat:合并两个流 distinct:去重
List newList = Stream.concat(stream1, stream2).distinct().collect(Collectors.toList());
// limit:限制从流中获得前n个数据
List collect = Stream.iterate(1, x -> x + 2).limit(10).collect(Collectors.toList());
// skip:跳过前n个数据
List collect2 = Stream.iterate(1, x -> x + 2).skip(1).limit(5).collect(Collectors.toList());
System.out.println("流合并:" + newList);
System.out.println("limit:" + collect);
System.out.println("skip:" + collect2);
}
上一篇:【Java8 新特性 4】Optional
下一篇:SpringCloud学习总纲