【Stream 流】通过一个例子看遍所有Stream API使用场景

2024-05-07 10:52

本文主要是介绍【Stream 流】通过一个例子看遍所有Stream API使用场景,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

前言

上篇文章记录了方法引用,Lambda表达式等基础的知识点,这篇文章主要结合课设项目详细介绍Stream 流的API以及它的主要场景。

在这里插入图片描述

Stream API作用

在Java 8及其以后的版本中,Stream API为处理集合数据提供了强大而灵活的功能。有了Stream API,我们可以以一种声明式的方式对数据进行过滤、映射、排序、聚合等众多操作。

Stream API使用

话不多说,接下来看一下我们毕设中的一个场景。我们现在有一个电商平台的订单系统,其中有一个Order类,它包含订单号、商品名称、价格和下单时间等属性。现在,我们有一个订单列表,并希望对这个列表进行各种操作。

Order类都有这些属性和方法:

import java.time.LocalDateTime;  
import java.util.*;  class Order {  private String orderId;  private String productName;  private double price;  private LocalDateTime orderTime;  // 构造方法、getter和setter这里省略  //重写equals方法@Override  public boolean equals(Object o) {  if (this == o) return true;  if (o == null || getClass() != o.getClass()) return false;  Order order = (Order) o;  return Double.compare(order.price, price) == 0 &&  Objects.equals(orderId, order.orderId) &&  Objects.equals(productName, order.productName) &&  Objects.equals(orderTime, order.orderTime);  }  //重写HashCode方法@Override  public int hashCode() {  return Objects.hash(orderId, productName, price, orderTime);  }  //重写toString方法@Override  public String toString() {  return "Order{" +  "orderId='" + orderId + '\'' +  ", productName='" + productName + '\'' +  ", price=" + price +  ", orderTime=" + orderTime +  '}';  }  
}

有了属性和方法的类之后,我们就可以创建一个订单列表,润润喉来演示Stream API的多个方法了。

过滤(使用filter方法)

需求:找出价格大于100的订单:

List<Order> orders =  ...   //这个不重要,省略
List<Order> expensiveOrders = orders.stream()  .filter(order -> order.getPrice() > 100)  .collect(Collectors.toList());

映射(使用map方法)

需求:提取所有订单的商品名称,这里使用到了方法引用,引用Order类中的getProductName方法:

List<String> productNames = orders.stream()  .map(Order::getProductName)  .collect(Collectors.toList());

排序(使用sorted方法)

需求:按照价格对订单进行排序:

List<Order> sortedOrders = orders.stream()  .sorted(Comparator.comparingDouble(Order::getPrice))  .collect(Collectors.toList());

去重(使用distinct方法)

需求:订单列表中有重复订单(订单号相同代表着重复),我们去重后可以得到唯一的订单列表:

List<Order> uniqueOrders = orders.stream()  .distinct()  .collect(Collectors.toList());

这里需要注意:使用distinct方法去重,Order类必须正确实现equals和hashCode方法,在咱们上面创建的类中可查看详情。

计数(使用count方法)

需求:统计订单列表中订单的数量:

long orderCount = orders.stream()  .count();

聚合(使用reduce方法)

需求:计算订单列表中所有订单的总价格:

double totalPrice = orders.stream()  .mapToDouble(Order::getPrice)  .sum();

或使用reduce方法:

OptionalDouble totalPriceOptional = orders.stream()  .mapToDouble(Order::getPrice)  .reduce(Double::sum);  
double totalPrice = totalPriceOptional.orElse(0);

任意匹配和所有匹配(使用anyMatch和allMatch方法)

需求:检查是否有价格超过200的订单:

boolean hasExpensiveOrder = orders.stream()  .anyMatch(order -> order.getPrice() > 200);

检查所有订单的价格是否都大于0:

boolean areAllPricesValid = orders.stream()  .allMatch(order -> order.getPrice() > 0);

查找第一个/最后一个元素(使用findFirst和findAny方法)

需求:查找价格最高的订单(假设订单已按价格排序):

Optional<Order> mostExpensiveOrder = orders.stream()  .sorted(Comparator.comparingDouble(Order::getPrice).reversed())  .findFirst();

这里需要注意:在没有排序的情况下,findFirst返回的是流中的第一个元素,而findAny返回流中的任意元素。在并行流中,findAny通常比findFirst更高效。

扁平化流(使用flatMap方法)

需求:每个订单有一个商品列表,我们想要得到一个包含所有商品名称的流:

class Order {  //  属性和方法  List<String> productNames; // 假如每个订单有这个属性  // getter和setter  
}  // 初始化orders列表这里也省略Stream<String> allProductNames = orders.stream()  .flatMap(order -> order.getProductNames().stream());  List<String> collectedProductNames = allProductNames.collect(Collectors.toList());

分组(使用collect方法和Collectors.groupingBy)

需求:按照商品价格区间对订单进行分组:

Map<String, List<Order>> groupedOrders = orders.stream()  .collect(Collectors.groupingBy(  order -> {  if (order.getPrice() <= 100) {  return "Cheap";  } else if (order.getPrice() <= 200) {  return "Medium";  } else {  return "Expensive";  }  }  ));

分区(使用collect方法和Collectors.partitioningBy)

需求:将订单按照价格是否超过100进行分区:

Map<Boolean, List<Order>> partitionedOrders = orders.stream()  .collect(Collectors.partitioningBy(order -> order.getPrice() > 100));

连接字符串(使用collect方法和Collectors.joining)

需求:将所有订单的商品名称连接成一个字符串,以逗号分隔:

String productNamesString = orders.stream()  .flatMap(order -> order.getProductNames().stream())  .collect(Collectors.joining(", "));

使用自定义收集器

需求:我们想要收集所有订单的价格到一个IntSummaryStatistics对象中,以便获取最大值、最小值、平均值等统计信息:

IntSummaryStatistics priceStats = orders.stream()  .mapToInt(Order::getPrice)  .summaryStatistics();  System.out.println("Max price: " + priceStats.getMax());  
System.out.println("Min price: " + priceStats.getMin());  
System.out.println("Average price: " + priceStats.getAverage());

限制流的大小(使用limit方法)

需求:获取价格最高的前三个订单:

List<Order> top3ExpensiveOrders = orders.stream()  .sorted(Comparator.comparingDouble(Order::getPrice).reversed())  .limit(3)  .collect(Collectors.toList());

跳过流中的元素(使用skip方法)

需求:跳过前五个订单,然后获取剩余的订单:

List<Order> remainingOrders = orders.stream()  .skip(5)  .collect(Collectors.toList());

这些场景涵盖了Stream API中的大部分常用方法。咱们列举的也不少了,今天就列举到这里吧。

本篇文章到此结束,谢谢大家的观看!

在这里插入图片描述

这篇关于【Stream 流】通过一个例子看遍所有Stream API使用场景的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/967150

相关文章

中文分词jieba库的使用与实景应用(一)

知识星球:https://articles.zsxq.com/id_fxvgc803qmr2.html 目录 一.定义: 精确模式(默认模式): 全模式: 搜索引擎模式: paddle 模式(基于深度学习的分词模式): 二 自定义词典 三.文本解析   调整词出现的频率 四. 关键词提取 A. 基于TF-IDF算法的关键词提取 B. 基于TextRank算法的关键词提取

Hadoop企业开发案例调优场景

需求 (1)需求:从1G数据中,统计每个单词出现次数。服务器3台,每台配置4G内存,4核CPU,4线程。 (2)需求分析: 1G / 128m = 8个MapTask;1个ReduceTask;1个mrAppMaster 平均每个节点运行10个 / 3台 ≈ 3个任务(4    3    3) HDFS参数调优 (1)修改:hadoop-env.sh export HDFS_NAMENOD

使用SecondaryNameNode恢复NameNode的数据

1)需求: NameNode进程挂了并且存储的数据也丢失了,如何恢复NameNode 此种方式恢复的数据可能存在小部分数据的丢失。 2)故障模拟 (1)kill -9 NameNode进程 [lytfly@hadoop102 current]$ kill -9 19886 (2)删除NameNode存储的数据(/opt/module/hadoop-3.1.4/data/tmp/dfs/na

Hadoop数据压缩使用介绍

一、压缩原则 (1)运算密集型的Job,少用压缩 (2)IO密集型的Job,多用压缩 二、压缩算法比较 三、压缩位置选择 四、压缩参数配置 1)为了支持多种压缩/解压缩算法,Hadoop引入了编码/解码器 2)要在Hadoop中启用压缩,可以配置如下参数

Makefile简明使用教程

文章目录 规则makefile文件的基本语法:加在命令前的特殊符号:.PHONY伪目标: Makefilev1 直观写法v2 加上中间过程v3 伪目标v4 变量 make 选项-f-n-C Make 是一种流行的构建工具,常用于将源代码转换成可执行文件或者其他形式的输出文件(如库文件、文档等)。Make 可以自动化地执行编译、链接等一系列操作。 规则 makefile文件

使用opencv优化图片(画面变清晰)

文章目录 需求影响照片清晰度的因素 实现降噪测试代码 锐化空间锐化Unsharp Masking频率域锐化对比测试 对比度增强常用算法对比测试 需求 对图像进行优化,使其看起来更清晰,同时保持尺寸不变,通常涉及到图像处理技术如锐化、降噪、对比度增强等 影响照片清晰度的因素 影响照片清晰度的因素有很多,主要可以从以下几个方面来分析 1. 拍摄设备 相机传感器:相机传

pdfmake生成pdf的使用

实际项目中有时会有根据填写的表单数据或者其他格式的数据,将数据自动填充到pdf文件中根据固定模板生成pdf文件的需求 文章目录 利用pdfmake生成pdf文件1.下载安装pdfmake第三方包2.封装生成pdf文件的共用配置3.生成pdf文件的文件模板内容4.调用方法生成pdf 利用pdfmake生成pdf文件 1.下载安装pdfmake第三方包 npm i pdfma

零基础学习Redis(10) -- zset类型命令使用

zset是有序集合,内部除了存储元素外,还会存储一个score,存储在zset中的元素会按照score的大小升序排列,不同元素的score可以重复,score相同的元素会按照元素的字典序排列。 1. zset常用命令 1.1 zadd  zadd key [NX | XX] [GT | LT]   [CH] [INCR] score member [score member ...]

git使用的说明总结

Git使用说明 下载安装(下载地址) macOS: Git - Downloading macOS Windows: Git - Downloading Windows Linux/Unix: Git (git-scm.com) 创建新仓库 本地创建新仓库:创建新文件夹,进入文件夹目录,执行指令 git init ,用以创建新的git 克隆仓库 执行指令用以创建一个本地仓库的

【北交大信息所AI-Max2】使用方法

BJTU信息所集群AI_MAX2使用方法 使用的前提是预约到相应的算力卡,拥有登录权限的账号密码,一般为导师组共用一个。 有浏览器、ssh工具就可以。 1.新建集群Terminal 浏览器登陆10.126.62.75 (如果是1集群把75改成66) 交互式开发 执行器选Terminal 密码随便设一个(需记住) 工作空间:私有数据、全部文件 加速器选GeForce_RTX_2080_Ti