jdk8 新特性实用stream类的使用 以备更好的贴近scala编程学习spark框架

本文详细介绍JDK8中引入的Stream API的使用方法,包括集合去重、过滤、扁平化及map和reduce操作。通过具体代码示例,展示如何简化传统循环处理集合的方式,提高代码效率和可读性。

jdk8新引入Stream类的使用

使用stream对集合去重代码如下:

List<String> list1 = new ArrayList<>();
list1.add("zhangsan");
list1.add("lisi");
List<String> list2 = new ArrayList<>();
list2.add("lisi");
List<String> list3 = new ArrayList<>();
list3 = list1.stream().map(x -> {
            if (!list2.contains(x)) {
                return x;
            } else {
                return "";
            }
        }

).filter(x -> x.length() > 0).collect(Collectors.toList());
System.out.println(list3);

也可以使用 (两行代码搞定)

list2.addAll(list1);
list2= list2 .stream().distinct().collect(Collectors.toList());

简单实用不需要在进行多个for循环去重

filter的使用:(简单粗暴)

list1=list1.stream().filter(x->x.length()>5).collect(Collectors.toList());
System.out.println(list1);

flatmap(扁平化)的使用:

List<String> list1 = new ArrayList<>();
List<String> list2 = new ArrayList<>();
String str="a,d,a,d,s,d,s,s,a,h,u,i,u,w,a,b";
list1.add(str);
list2= list1.stream().filter(x->x.length()>0).flatMap(x->Stream.of(x.split(","))).filter(x->{

    if (x.equals("w")){
        return true;
    }else return false;

}).collect(Collectors.toList());
System.out.println(list2);

map和reduce的使用

Set<String> set =new HashSet<String>();
set.add("li,si");
set.add("w,a,n,g,w,u");
set.add("z,h,a,n,g,s,a,n");
set.add("w,a,n,g,m,a,z,i");
       String str= set.stream().sorted(Comparator.naturalOrder()).filter(x->x.length()>1).flatMap(m-> Stream.of(m.split(","))).map(
                x->{
                    if (!x.equals("w")){
                        System.out.println(x);
                        return x;
                    }else return "";
                }
        ).reduce((m,n)->m+n).get();
       System.out.println(str);

 

 

 

内容概要:本文系统介绍了算术优化算法(AOA)的基本原理、核心思想及Python实现方法,并通过图像分割的实际案例展示了其应用价值。AOA是一种基于种群的元启发式算法,其核心思想来源于四则运算,利用乘除运算进行全局勘探,加减运算进行局部开发,通过数学优化器加速函数(MOA)和数学优化概率(MOP)动态控制搜索过程,在全局探索局部开发之间实现平衡。文章详细解析了算法的初始化、勘探开发阶段的更新策略,并提供了完整的Python代码实现,结合Rastrigin函数进行测试验证。进一步地,以Flask框架搭建前后端分离系统,将AOA应用于图像分割任务,展示了其在实际工程中的可行性高效性。最后,通过收敛速度、寻优精度等指标评估算法性能,并提出自适应参数调整、模型优化和并行计算等改进策略。; 适合人群:具备一定Python编程基础和优化算法基础知识的高校学生、科研人员及工程技术人员,尤其适合从事人工智能、图像处理、智能优化等领域的从业者;; 使用场景及目标:①理解元启发式算法的设计思想实现机制;②掌握AOA在函数优化、图像分割等实际问题中的建模求解方法;③学习如何将优化算法集成到Web系统中实现工程化应用;④为算法性能评估改进提供实践参考; 阅读建议:建议读者结合代码逐行调试,深入理解算法流程中MOAMOP的作用机制,尝试在不同测试函数上运行算法以观察性能差异,并可进一步扩展图像分割模块,引入更复杂的预处理或后处理技术以提升分割效果。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值