Java8使用Stream流实现List列表查询、统计、排序以及分组

目录


List的 Stream流操作可以简化我们的代码,减少程序运行的压力,应对上面的问题,下面这篇文章主要给大家介绍了关于 Java8使用Stream流实现List列表查询、统计、排序以及分组的相关资料,需要的朋友可以参考下

Java8提供了Stream（流）处理集合的关键抽象概念，它可以对集合进行操作，可以执行非常复杂的查找、过滤和映射数据等操作。

Stream API 借助于同样新出现的Lambda表达式，极大的提高编程效率和程序可读性。

下面是使用Stream的常用方法的综合实例。

创建User类作为持久层

package com.example.demo.entity;

import lombok.AllArgsConstructor;
import lombok.Data;
import java.math.BigDecimal;

/**
 * @author qzz
 * @date 2023/3/21
 */
@Data
@AllArgsConstructor
public class User {

    /**
     * 用户id
     */
    private Integer id;
    /**
     * 名称
     */
    private String name;
    /**
     * sex
     */
    private String sex;
    /**
     * 年龄
     */
    private Integer age;
    /**
     * 部门
     */
    private String department;
    /**
     * 薪资
     */
    private BigDecimal salary;
}

创建UserService.class 用户信息业务逻辑类

package com.example.demo.service;

import com.example.demo.entity.User;
import org.springframework.stereotype.Service;
import java.math.BigDecimal;
import java.util.ArrayList;
import java.util.List;

/**
 * 用户信息业务逻辑类
 * @author qzz
 * @date 2024/6/21
 */
@Service
public class UserService {

    /**
     * 获取用户列表
     * @return
     */
    public List<User> getUserList(){
        List<User> userList = new ArrayList<>();
        userList.add(new User(1,"张三","男",26, "研发部", BigDecimal.valueOf(3000)));
        userList.add(new User(2,"李斯","男",30, "财务部", BigDecimal.valueOf(2000)));
        userList.add(new User(3,"张倩","女",26, "人事部", BigDecimal.valueOf(1600)));
        userList.add(new User(4,"吴昕","女",30, "研发部", BigDecimal.valueOf(2000)));
        userList.add(new User(5,"刘希","女",26, "财务部", BigDecimal.valueOf(1300)));
        return userList;
    }
}

一、查询方法

1.1 forEach

使用forEach()遍历列表信息。

    /**
     * 1.使用forEach()遍历列表信息
     */
    @Test
    public void forEachTest(){
        //获取用户列表
        List<User> userList = userService.getUserList();
        //遍历用户列表 方法一：
        userList.forEach(user -> {
            System.out.println(user);
        });
        System.out.println();
        //遍历用户列表 方法二：     函数式接口 变量名 = 类实例::方法名
        userList.forEach(System.out::println);
    }

控制台输出：
在这里插入图片描述

1.2 filter(T -> boolean)

使用filter()过滤列表数据。

【示例】获取部门为’研发部’的用户列表

    /**
     * 2.使用filter()过滤列表数据
     */
    @Test
    public void filterTest(){
        //获取用户列表
        List<User> userList = userService.getUserList();
        //获取部门为'研发部'的用户列表
        userList = userList.stream().filter(user -> user.getDepartment().equals("研发部")).collect(Collectors.toList());
        //遍历用户列表
        userList.forEach(System.out::println);
    }

控制台输出：
在这里插入图片描述

1.3 filterAny() 和 filterFirst()

使用 filterAny() 和 filterFirst() 获取第一条数据。

    /**
     * 3.filterAny()和filterFirst() ：获取第一条数据
     */
    @Test
    public void filterAnyTest(){
        //获取用户列表
        List<User> userList = userService.getUserList();
        //获取用户名称为'张三'的用户信息，如果没有找到则返回null
        User user = userList.stream().filter(u -> u.getName().equals("张三")).findAny().orElse(null);
        //输出用户信息
        System.out.println(user);
    }

控制台输出：
在这里插入图片描述
注意：findFirst() 和 findAny() 都是获取列表中的第一条数据，但是findAny()操作，返回的元素是不确定的，对于同一个列表多次调用findAny()有可能会返回不同的值。使用findAny()是为了更高效的性能。

如果是数据较少，串行地情况下，一般会返回第一个结果，如果是并行（parallelStream并行流）的情况，那就不能确保是第一个。

例如：使用parallelStream并行流，findAny() 返回的就不一定是第一条数据。

//parallelStream方法能生成并行流，使用filterAny返回的 不一定是第一条数据
User user = userList.parallelStream().filter(u -> u.getName().startsWith("wsq")).findAny().orElse(null);

1.4 map(T -> R) 和 flatMap(T -> Stream)

使用map()将流中的每一个元素 T 映射为 R(类似类型转换)
使用flatmap()将流中的每一个元素 T 映射为 一个流，再把每一个流连接成为一个流。

【示例】使用map()方法获取用户列表中的名称列。

    /**
     * 4.1使用map()获取列元素
     */
    @Test
    public void mapTest(){
        //获取用户列表
        List<User> userList = userService.getUserList();
        //获取用户名称列表
        List<String> nameList = userList.stream().map(User::getName).collect(Collectors.toList());
//        或者：List<String> nameList = userList.stream().map(user -> user.getName()).collect(Collectors.toList());
        //输出用户名称信息
        nameList.forEach(System.out::println);
    }

控制台输出：
在这里插入图片描述
【示例】使用flatmap()方法将流中的每一个元素连接成为一个流。

    /**
     * 4.2使用flatMap()将流中的每一个元素连接成为一个流
     */
    @Test
    public void flatMapTest(){
        //创建城市
        List<String> cityList = new ArrayList<>();
        cityList.add("北京;上海;深圳;");
        cityList.add("广州;武汉;杭州;");
        //分隔城市列表，使用 flatMap()将流中的每一个元素连接成为一个流
        cityList = cityList.stream().map(city -> city.split(";")).flatMap(Arrays::stream).collect(Collectors.toList());
        //输出城市列表
        cityList.forEach(System.out::println);
    }

控制台输出：
在这里插入图片描述

1.5 distinct()

使用 distinct()方法可以去除重复的数据。

【示例】获取部门列表,并去除重复数据

    /**
     * 5.distinct()去除重复的数据
     */
    @Test
    public void distinct(){
        //获取用户列表
        List<User> userList = userService.getUserList();
        //获取部门列表,并去除重复数据
        List<String> departmentList = userList.stream().map(User::getDepartment).distinct().collect(Collectors.toList());
        //输出部门列表
        departmentList.forEach(System.out::println);
    }

控制台输出：
在这里插入图片描述

1.6 limit(long n) 和 skip(long n)

limit(long n) 方法用于返回前n条数据，skip(long n)方法用于跳过前n条数据。

【示例】获取用户列表，要求跳过第1条数据后的前3条数据


    /**
     * 6.limit(long n) 和 skip(long n)
     */
    @Test
    public void limitAndSkipTest(){
        //获取用户列表
        List<User> userList = userService.getUserList();
        //获取用户列表,要求 跳过第一条数据后的前3条数数据
        userList = userList.stream().skip(1).limit(3).collect(Collectors.toList());
        //输出用户列表
        userList.forEach(System.out::println);
    }

控制台输出：
在这里插入图片描述

二、判断方法

2.1 anyMatch(T -> boolean)

使用 anyMatch(T -> boolean) 判断流中是否 有一个元素 匹配给定的 T -> boolean 条件

2.2 allMatch(T -> boolean)

使用 allMatch(T -> boolean) 判断流中是否 所有元素 都匹配给定的 T -> boolean 条件。

2.3 noneMatch(T -> boolean)

使用 noneMatch(T -> boolean) 流中是否 没有元素 匹配给定的 T -> boolean 条件。

【示例】使用 anyMatch()、allMatch()、noneMatch() 进行判断。

    /**
     * 使用 anyMatch()、allMatch()、noneMatch() 进行判断
     */
    @Test
    public void matchTest(){
        //获取用户列表
        List<User> userList = userService.getUserList();
        //判断用户列表中 是否存在 名称为”张三“ 的 数据
        boolean result1 = userList.stream().anyMatch(user -> user.getName().equals("张三"));
        //判断用户名称   是否都包含”张三“ 的 数据
        boolean result2 = userList.stream().allMatch(user -> user.getName().contains("张三"));
        //判断用户名称   是否存在都不包含”张三“ 的 数据
        boolean result3 = userList.stream().noneMatch(user -> user.getName().contains("张三"));
        //输出用户列表
        System.out.println(result1);
        System.out.println(result2);
        System.out.println(result3);
    }

控制台输出：
在这里插入图片描述

三、统计方法

3.1 reduce((T, T) -> T) 和 reduce(T, (T, T) -> T)

使用 reduce((T, T) -> T) 和 reduce(T, (T, T) -> T) 用于组合流中的元素，如求和，求积，求最大值等。

【示例】使用 reduce() 求用户列表中年龄的最大值、最小值、总和

    /**
     * 使用 reduce() 求用户列表中年龄的最大值、最小值、总和
     */
    @Test
    public void reduceTest(){
        //获取用户列表
        List<User> userList = userService.getUserList();
        //用户列表中年龄的 最大值、最小值、总和
        int maxVal = userList.stream().map(User::getAge).reduce(Integer::max).get();
        int minVal = userList.stream().map(User::getAge).reduce(Integer::min).get();
        int sumVal = userList.stream().map(User::getAge).reduce(0,Integer::sum);
        //打印结果
        System.out.println("最大年龄：" + maxVal);
        System.out.println("最小年龄：" + minVal);
        System.out.println("年龄总和：" + sumVal);
    }

控制台输出：
在这里插入图片描述

3.2 mapToInt(T -> int) 、mapToDouble(T -> double) 、mapToLong(T -> long)

int sumVal = userList.stream().map(User::getAge).reduce(0,Integer::sum)；计算元素总和的方法其中暗含了装箱成本，map(User::getAge) 方法过后流变成了 Stream 类型，而每个 Integer 都要拆箱成一个原始类型再进行 sum 方法求和，这样大大影响了效率。

针对这个问题 Java 8 有良心地引入了数值流 IntStream, DoubleStream, LongStream，这种流中的元素都是原始数据类型，分别是 int，double，long。

流转换为数值流：

  • mapToInt(T -> int) : return IntStream
  • mapToDouble(T -> double) : return DoubleStream
  • mapToLong(T -> long) : return LongStream

【示例】使用 mapToInt() 求用户列表中年龄的最大值、最小值、总和、平均值


    /**
     * 使用 mapToInt() 求用户列表中年龄的最大值、最小值、总和、平均值
     */
    @Test
    public void mapToIntTest(){
        //获取用户列表
        List<User> userList = userService.getUserList();
        //用户列表中年龄的 最大值、最小值、总和、平均值
        int maxVal = userList.stream().mapToInt(User::getAge).max().getAsInt();
        int minVal = userList.stream().mapToInt(User::getAge).min().getAsInt();
        int sumVal = userList.stream().mapToInt(User::getAge).sum();
        double aveVal = userList.stream().mapToInt(User::getAge).average().getAsDouble();
        //打印结果
        System.out.println("最大年龄：" + maxVal);
        System.out.println("最小年龄：" + minVal);
        System.out.println("年龄总和：" + sumVal);
        System.out.println("平均年龄：" + aveVal);
    }

控制台输出：
在这里插入图片描述

3.3 使用 counting() 或 count()

使用 counting() 或 count() 可以对列表数据进行统计。

【示例】使用 count() 统计用户列表信息。

    /**
     * 使用 counting() 或 count() 统计
     */
    @Test
    public void countTest(){
        //获取用户列表
        List<User> userList = userService.getUserList();
        //统计研发部的人数，使用counting()方法进行统计
        Long departCount = userList.stream().filter(user -> user.getDepartment().equals("研发部")).collect(Collectors.counting());
        //统计30岁以上的人数，使用count()方法进行统计（推荐）
        Long ageCount = userList.stream().filter(user -> user.getAge() >= 30).count();
        //统计薪资大于1500元以上的人数
        Long salaryCount = userList.stream().filter(user -> user.getSalary().compareTo(BigDecimal.valueOf(1500)) == 1).count();
        //打印结果
        System.out.println("研发部的人数：" + departCount + "人");
        System.out.println("30岁以上的人数：" + ageCount + "人");
        System.out.println("薪资大于1500元以上的人数：" + salaryCount + "人");
    }

控制台输出：
在这里插入图片描述

3.4 summingInt() 、summingLong()、summingDouble()

用于计算总和，需要一个函数参数

    /**
     * 使用 summingInt() 、summingLong()、summingDouble() 计算总和
     */
    @Test
    public void sumTest(){
        //获取用户列表
        List<User> userList = userService.getUserList();
        //计算年龄总和
        int sunAge = userList.stream().collect(Collectors.summingInt(User::getAge));
        //打印结果
        System.out.println("年龄总和：" + sunAge);
    }

控制台输出：
在这里插入图片描述

3.5 averagingInt() 、averagingLong()、averagingDouble()

用于计算平均值


    /**
     * 使用 averagingInt() 、averagingLong()、averagingDouble() 计算平均值
     */
    @Test
    public void averagingTest(){
        //获取用户列表
        List<User> userList = userService.getUserList();
        //计算平均年龄
        Double aveAge = userList.stream().collect(Collectors.averagingInt(User::getAge));
        //打印结果
        System.out.println("平均年龄：" + aveAge);
    }

控制台输出：
在这里插入图片描述

3.6 summarizingInt()、summarizingLong()、summarizingDouble()

这三个方法比较特殊，比如 summarizingInt 会返回 IntSummaryStatistics 类型。

IntSummaryStatistics类提供了用于计算的平均值、总数、最大值、最小值、总和等方法，
方法如下图：

    /**
     * 使用 IntSummaryStatistics 统计：最大值、最小值、总和、平均值、总数
     */
    @Test
    public void summarizingIntTest(){
        //获取用户列表
        List<User> userList = userService.getUserList();
        //获取IntSummaryStatistics对象
        IntSummaryStatistics ageStatistics = userList.stream().collect(Collectors.summarizingInt(User::getAge));
        //统计：最大值、最小值、总和、平均值、总数
        System.out.println("最大年龄：" + ageStatistics.getMax());
        System.out.println("最小年龄：" + ageStatistics.getMin());
        System.out.println("年龄总和：" + ageStatistics.getSum());
        System.out.println("平均年龄：" + ageStatistics.getAverage());
        System.out.println("员工总数：" + ageStatistics.getCount());
    }

控制台输出：
在这里插入图片描述

3.7 BigDecimal类型的统计

对于资金相关的字段，通常会使用BigDecimal数据类型

【示例】统计用户薪资信息

    /**
     * BigDecimal类型的统计
     */
    @Test
    public void bigDecimalTest(){
        //获取用户列表
        List<User> userList = userService.getUserList();
        //最高薪资
        BigDecimal maxSalary = userList.stream().map(User::getSalary).max((x1,x2) -> x1.compareTo(x2)).get();
        //最低薪资
        BigDecimal minSalary = userList.stream().map(User::getSalary).min((x1,x2) -> x1.compareTo(x2)).get();
        //薪资总和
        BigDecimal sumSalary = userList.stream().map(User::getSalary).reduce(BigDecimal.ZERO, BigDecimal::add);
        //平均薪资
        BigDecimal aveSalary = userList.stream().map(User::getSalary).reduce(BigDecimal.ZERO, BigDecimal::add)
                .divide(BigDecimal.valueOf(userList.size()), 2, BigDecimal.ROUND_HALF_UP);

        //打印统计结果
        System.out.println("最高薪资: " + maxSalary + "元");
        System.out.println("最低薪资: " + minSalary + "元");
        System.out.println("薪资总和: " + sumSalary + "元");
        System.out.println("平均薪资: " + aveSalary + "元");
    }

控制台输出：
在这里插入图片描述

四、排序方法

4.1 sorted() / sorted((T,T) -> int)

如果流中的元素的类实现了 Comparable 接口，即有自己的排序规则，那么可以直接调用 sorted() 方法对元素进行排序，如 Stream。反之, 需要调用 sorted((T, T) -> int) 实现 Comparator 接口。

【示例】根据用户年龄进行排序。

/**
 * 使用 sorted() 排序
 */
@Test
public void sortedTest(){
    //获取用户列表
    List<User> userList = userService.getUserList();
    //根据年龄排序（升序）
    userList = userList.stream().sorted((u1,u2) -> u1.getAge() - u2.getAge()).collect(Collectors.toList());
    //推荐(升序)：userList = userList.stream().sorted(Comparator.comparingInt(User::getAge)).collect(Collectors.toList());
    //降序：userList = userList.stream().sorted(Comparator.comparingInt(User::getAge).reversed()).collect(Collectors.toList());
    //遍历用户列表
    userList.forEach(System.out::println);
}

控制台输出：
在这里插入图片描述

五、分组方法

5.1 groupingBy

使用 groupingBy() 将数据进行分组，最终返回一个 Map 类型。

【示例】根据部门对用户列表进行分组

/**
     * 使用 groupingBy() 分组
     */
    @Test
    public void groupingByTest(){
        //获取用户列表
        List<User> userList = userService.getUserList();
        //根据部门对用户列表进行分组
        Map<String, List<User>> userMap = userList.stream().collect(Collectors.groupingBy(User::getDepartment));
        //遍历分组后的结果
        userMap.forEach((key,value) -> {
            System.out.println(key + ": ");
            value.forEach(System.out::println);
            System.out.println("-----------------------------------------------------");
        });
    }

控制台输出：
在这里插入图片描述

5.2 多级分组

groupingBy 可以接受一个第二参数实现多级分组。

【示例】根据部门和性别对用户列表进行分组。

    /**
     * 使用 groupingBy() 多级分组
     */
    @Test
    public void multGroupingByTest(){
        //获取用户列表
        List<User> userList = userService.getUserList();
        //根据部门和性别对用户列表进行分组
        Map<String, Map<String,List<User>>> userMap = userList.stream().collect(Collectors.groupingBy(User::getDepartment,Collectors.groupingBy(User::getSex)));
        //遍历分组后的结果
        userMap.forEach((key1,map) -> {
            System.out.println(key1 + ": ");
            map.forEach((key2,user)->{
                System.out.println(key2 + ": ");
                user.forEach(System.out::println);
            });
            System.out.println("-----------------------------------------------------");
        });
    }

控制台输出：
在这里插入图片描述

5.3 分组汇总

【示例】根据部门进行分组，汇总各个部门用户的平均年龄。

    /**
     * 使用 groupingBy() 分组汇总
     */
    @Test
    public void groupingByCollectTest(){
        //获取用户列表
        List<User> userList = userService.getUserList();
        //根据部门进行分组，汇总各个部门用户的平均年龄
        Map<String, Double> userMap = userList.stream().collect(Collectors.groupingBy(User::getDepartment, Collectors.averagingInt(User::getAge)));
        //遍历分组后的结果
        userMap.forEach((key,value) -> {
            System.out.println(key + "的平均年龄: " + value);
        });
    }

控制台输出：
在这里插入图片描述

六、List的合并

6.1 并集

    /**
     * 得到两个集合的并集
     */
    @Test
    public void unionTest(){
        List<String> list1 = new ArrayList<>();
        list1.add("aaa");
        list1.add("bbb");
        list1.add("ccc");
        list1.add("ddd");

        List<String> list2 = new ArrayList<>();
        list2.add("aaa");
        list2.add("ccc");
        list2.add("ddd");
        list2.add("eee");
        list2.add("fff");
        list2.add("aaa1");
        list2.add("aaa2");

        //根据整个对象是否一致来去重合并得到集合
        System.out.println("并集写法 [去重]");
        List<String> collect = Stream.of(list1, list2).flatMap(Collection::stream).distinct().collect(Collectors.toList());
        System.out.println(collect.toString());
    }

6.2 交集

    /**
     * 得到两个集合的交集
     */
    @Test
    public void unionTest(){
        List<String> list1 = new ArrayList<>();
        list1.add("aaa");
        list1.add("bbb");
        list1.add("ccc");
        list1.add("ddd");

        List<String> list2 = new ArrayList<>();
        list2.add("aaa");
        list2.add("ccc");
        list2.add("ddd");
        list2.add("eee");
        list2.add("fff");
        list2.add("aaa1");
        list2.add("aaa2");

        System.out.println("交集写法 [去重]");
        List<String> collect1 = list1.stream().filter(s-> list2.contains(s)).distinct().collect(Collectors.toList());
        System.out.println(collect1.toString());
    }
# list # windows # python
Logo
GitCode 开源社区

旨在为数千万中国开发者提供一个无缝且高效的云端环境，以支持学习、使用和贡献开源项目。

更多推荐

[转载]在Windows环境下安装GNU Radio

转自：在Windows环境下安装GNURadio_恐弱智_新浪博客GNU Radio是用Python开发的，大部分开源的工程能够在Linux环境下运行良好，而Windows下却运行的很勉强，而且安装配置都很复杂。GNU Radio算是个例外了，不光提供了Windows的二进制安装，还有比较详细的说明。我是Python小白，所以折腾了好久才弄好，特意记录下来，免得以后再装还折腾。GNU Radio的

avatar GitCode 开源社区

centOS 8 使用dnf安装Docker

DNF是什么？CentOS 8使用YUM软件包管理器版本v4.0.4。现在，该版本使用DNF(已删除YUM)。DNF是软件包管理器。它会在Linux发行版上安装，执行更新并删除软件包。使用DNF安装Docker跳过具有损坏依赖性的程序包一个有效的解决方案是使您的CentOS 8系统使用以下--nobest命令安装最符合条件的版本：sudo dnf install docker...

avatar GitCode 开源社区

定时同步数据库表(mysql+linux+crontab)

sync.sh里面的参数需要改变，ip/username/password/database/tablesync.sh#!/bin/sh# Please change the IP and password of the data source db.# Then change the table name.filename=/home/nington/db/$(date +%Y-%m

avatar GitCode 开源社区