学习札记-Java8系列-10-详解Stream操作
操作步骤
使用Stream API操作数据可以分为以下几个步骤:
1)创建流：
通过数据源（如:集合、数组）获取流
2)处理流：(中的数据)
对流中的数据进行处理(处理是延迟执行的)
3)收集流：(中的数据)
通过调用收集方法，真正执行处理操作，并产生结果
创建流
创建一个流非常简单，有以下几种常用的方式：
1)Collection的默认方法stream()和parallelStream()
2)Arrays.stream()
3)Stream.of()
4)Stream.iterate()//迭代无限流(1, n->n +1)
5)Stream.generate()//生成无限流(Math::random)
代码实现
@Test
public void testCreateStream() throws Exception {
// 1.Collection的默认方法stream()和parallelStream()
List list = Arrays.asList("a", "b", "c");
Stream stream = list.stream();// 获取顺序流
Stream parallelStream = list.parallelStream();
// 2.Arrays.stream()
IntStream intStream = Arrays.stream(new int[] { 1, 2, 3 });
Stream IntegerStream = Arrays.stream(new Integer[] { 1, 2, 3 });
// 3.Stream.of()
Stream IntegerStream2 = Stream.of(1, 2, 3, 4);
IntStream intStream2 = IntStream.of(1, 2, 3);
// 4.Stream.iterate()//迭代无限流
// Stream.iterate(1, n->n +1).forEach(System.out::println);
Stream.iterate(1, n -> n + 1).limit(100).forEach(System.out::println);
// 5.Stream.generate()//生成无限流
// Stream.generate(Math::random).forEach(System.out::println);
Stream.generate(Math::random).limit(2).forEach(System.out::println);
}
处理流
筛选和切片
filter(Predicate
distinct()：去重(根据流中数据的 hashCode和 equals去除重复元素)
limit(long n)：限定保留n个数据
skip(long n)：跳过n个数据
图解
代码实现
@Test
public void test1() throws Exception {
Arrays.asList(1, 2, 1, 3, 3, 2, 4).stream().filter(i -> i % 2 == 0).forEach(System.out::println);
System.out.println("================================================");
Arrays.asList(1, 2, 1, 3, 3, 2, 4).stream().filter(i -> i % 2 == 0).distinct().forEach(System.out::println);
System.out.println("================================================");
Arrays.asList(1, 2, 1, 3, 3, 2, 4).stream().distinct().limit(2).forEach(System.out::println);
System.out.println("================================================");
Arrays.asList(1, 2, 1, 3, 3, 2, 4).stream().distinct().skip(2).forEach(System.out::println);
}
映射
映射
map(Function
flatMap(Function
图解
代码实现
@Test
public void test3() throws Exception {
System.out.println("=======================map=========================");
Stream stream = Stream.of("i","love","java");
stream.map(s -> s.toUpperCase()).forEach(System.out::println);
System.out.println("=======================flatMap========================");
Stream> stream2 = Stream.of(Arrays.asList("H","E"), Arrays.asList("L", "L", "O"));
stream2.flatMap(list -> list.stream()).forEach(System.out::println);
}
排序
排序
sorted()：自然排序使用Comparable
sorted(Comparator
代码实现
@Test
public void test4() throws Exception {
System.out.println("====================自然排序============================");
Arrays.asList(3, 2, 1, 4, 5, 8, 6).stream().sorted().forEach(System.out::println);
System.out.println("====================定制排序============================");
Arrays.asList(3, 2, 1, 4, 5, 8, 6).stream().sorted((x,y) -> y.compareTo(x)).forEach(System.out::println);
}
收集流
查找匹配
查找匹配
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:检查是否没有匹配的元素
findFirst:返回第一个元素(返回值为Optional
findAny:返回当前流中的任意元素(一般用于并行流)
备注:
Optional是Java8新加入的一个容器，这个容器只存1个或0个元素，它用于防止出现NullpointException，它提供如下方法：
•isPresent()
判断容器中是否有值。
•ifPresent(Consume lambda)
容器若不为空则执行括号中的Lambda表达式。
•T get()
获取容器中的元素，若容器为空则抛出NoSuchElement异常。
•T orElse(T other)
获取容器中的元素，若容器为空则返回括号中的默认值。
代码实现
@Test
public void test5() throws Exception {
System.out.println("======================检查是否匹配所有==========================");
boolean allMatch = Arrays.asList(3, 2, 1, 4, 5, 8, 6).stream().allMatch(x-> x>0);
System.out.println(allMatch);
System.out.println("======================检查是否至少匹配一个元素====================");
boolean anyMatch = Arrays.asList(3, 2, 1, 4, 5, 8, 6).stream().anyMatch(x -> x>7);
System.out.println(anyMatch);
System.out.println("======================检查是否没有匹配的元素======================");
boolean noneMatch = Arrays.asList(3, 2, 1, 4, 5, 8, 6).stream().noneMatch(x -> x >10);
System.out.println(noneMatch);
System.out.println("======================返回第一个元素==========================");
Optional first = Arrays.asList(3, 2, 1, 4, 5, 8, 6).stream().findFirst();
System.out.println(first.get());
System.out.println("======================返回当前流中的任意元素=======================");
Optional any = Arrays.asList(3, 2, 1, 4, 5, 8, 6).stream().findAny();
System.out.println(any.get());
}
统计
统计
count():返回流中元素的总个数
max(Comparator
min(Comparator
代码实现
@Test
public void test6() throws Exception {
long count = Arrays.asList(3, 2, 1, 4, 5, 8, 6).stream().count();
System.out.println(count);
Optional max = Arrays.asList(3, 2, 1, 4, 5, 8, 6).stream().max((x,y) -> x.compareTo(y));
System.out.println(max.get());
Optional min = Arrays.asList(3, 2, 1, 4, 5, 8, 6).stream().min((x,y) -> x.compareTo(y));
System.out.println(min.get());
}
归约
归约
reduce(T identity, BinaryOperator) / reduce(BinaryOperator) :将流中元素挨个结合起来，得到一个值。
图解
代码实现
@Test
public void test7() throws Exception {
System.out.println("=====reduce:将流中元素反复结合起来，得到一个值==========");
Stream stream = Stream.iterate(1, x -> x+1).limit(100);
//stream.forEach(System.out::println);
Integer sum = stream.reduce(0,(x,y)-> x+y);
System.out.println(sum);
}
汇总
汇总
reduce擅长的是生成一个值，如果想要从Stream生成一个集合或者Map等复杂的对象该怎么办呢？终极武器collect()横空出世！
collect(Collector
需求:
collect:将流转换为其他形式:list
collect:将流转换为其他形式:set
collect:将流转换为其他形式:TreeSet
collect:将流转换为其他形式:map
collect:将流转换为其他形式:sum
collect:将流转换为其他形式:avg
collect:将流转换为其他形式:max
collect:将流转换为其他形式:min
代码实现
@Test
public void test8() throws Exception {
System.out.println("=====collect:将流转换为其他形式:list");
List list = Stream.iterate(1, x -> x+1).limit(100).collect(Collectors.toList());
System.out.println(list);
System.out.println("=====collect:将流转换为其他形式:set");
Set set = Arrays.asList(1, 1, 2, 2, 3, 3, 3).stream().collect(Collectors.toSet());
System.out.println(set);
System.out.println("=====collect:将流转换为其他形式:TreeSet");
TreeSet treeSet = Arrays.asList(1, 1, 2, 2, 3, 3, 3).stream().collect(Collectors.toCollection(TreeSet::new));
System.out.println(treeSet);
System.out.println("=====collect:将流转换为其他形式:map");
Map map = Stream.iterate(1, x -> x+1).limit(100).collect(Collectors.toMap(Integer::intValue, Integer::intValue));
System.out.println(map);
System.out.println("=====collect:将流转换为其他形式:sum");
Integer sum = Stream.iterate(1, x -> x+1).limit(100).collect(Collectors.summingInt(Integer::intValue));
System.out.println(sum);
System.out.println("=====collect:将流转换为其他形式:avg");
Double avg = Stream.iterate(1, x -> x+1).limit(100).collect(Collectors.averagingInt(Integer::intValue));
System.out.println(avg);
System.out.println("=====collect:将流转换为其他形式:max");
Optional max = Stream.iterate(1, x -> x+1).limit(100).collect(Collectors.maxBy(Integer::compareTo));
System.out.println(max.get());
System.out.println("=====collect:将流转换为其他形式:min");
Optional min = Stream.iterate(1, x -> x+1).limit(100).collect(Collectors.minBy((x,y) -> x-y));
System.out.println(min.get());
}
分组和分区
分组和分区
Collectors.groupingBy()对元素做group操作。
Collectors.partitioningBy()对元素进行二分区操作。
图解
准备工作
private List products = new ArrayList<>();
@Before
public void init() {
products.add(new Product(1L, "苹果手机", 8888.88,"手机"));//注意:要给Product类加一个分类名称dirName字段
products.add(new Product(2L, "华为手机", 6666.66,"手机"));
products.add(new Product(3L, "联想笔记本", 7777.77,"电脑"));
products.add(new Product(4L, "机械键盘", 999.99,"键盘"));
products.add(new Product(5L, "雷蛇鼠标", 222.22,"鼠标"));
}
需求
根据商品分类名称进行分组
根据商品价格范围多级分组
根据商品价格是否大于1000进行分区
代码实现
@Test
public void test9() throws Exception {
System.out.println("=======根据商品分类名称进行分组==========================");
Map> map = products.stream().collect(Collectors.groupingBy(Product::getDirName));
System.out.println(map);
System.out.println("=======根据商品价格范围多级分组==========================");
Map>> map2 = products.stream().collect(Collectors.groupingBy(
Product::getPrice, Collectors.groupingBy((p) -> {
if (p.getPrice() > 1000) {
return "高级货";
} else {
return "便宜货";
}
})));
System.out.println(map2);
}
@Test
public void test10() throws Exception {
System.out.println("========根据商品价格是否大于1000进行分区========================");
Map> map = products.stream().collect(Collectors.partitioningBy(p -> p.getPrice() > 1000));
System.out.println(map);
}
总结
Streamvs Collection
虽然大部分情况下Stream是容器调用Collection.stream()方法得到的，但Stream和Collection有以下不同：
●无存储。Stream不是一种数据结构，它只是某种数据源的一个视图，数据源可以是一个数组，集合等。
●不修改。对Stream的任何修改都不会修改背后的数据源，比如过滤操作并不会删除被过滤的元素，而是产生一个新Stream。
●惰式执行。Stream上的操作并不会立即执行，只有等到用户真正需要结果的时候才会执行。
●可消费性。Stream只能被“消费”一次，一旦遍历过就会失效，就像容器的迭代器那样，想要再次遍历必须重新生成。
Stream分类
●中间操作(intermediate operations)
返回值为Stream的大都是中间操作，中间操作支持链式调用，并且会惰式执行
●终端操作(结束操作)(terminal operations)
返回值不为Stream 的为终端操作(立即求值)，终端操作不支持链式调用，会触发实际计算