Java —— Stream的使用

最新推荐文章于 2025-10-30 17:53:06 发布

原创最新推荐文章于 2025-10-30 17:53:06 发布 · 606 阅读

2 ·

CC 4.0 BY-SA版权

文章标签：

#stream #大数据 #java #filter #java8

Java 同时被 2 个专栏收录

130 篇文章

订阅专栏

Tools

54 篇文章

订阅专栏

本文详细介绍了Java8中的流(Stream)概念，包括顺序流和并行流的创建及使用，如通过Arrays.stream()和Stream.of()等方法。讲解了流的遍历、匹配、筛选、映射、归约、收集等核心操作，并展示了如何进行数据的统计、分组、排序、提取等高级用法。此外，还探讨了如何利用流进行数据的去重、限制数量、跳过指定数量元素等操作。

Stream在Java8中出现，将要处理的元素视作流。

流的种类

顺序流	stream	主线程按顺序对流执行操作。
并行流	parallelStream	内部以多线程并行执行的方式对流进行操作，需要流中的数据处理无顺序要求。

流的创建

xxx.stream();

Arrays.stream(xxx);

Stream.of(1, 2, 3, 4, 5, 6);

Stream.iterate(0, (x) -> x + 3).limit(4);

Stream.generate(Math::random).limit(3);

流的遍历

list.stream().forEach(System.out::println);

流的匹配

匹配第一个	list.stream().filter(x -> x > 6).findFirst();
匹配任意一个	list.stream().filter(x -> x > 6).findAny();
是否包含符合特定条件的元素，结果为布尔值	list.stream().anyMatch(x -> x < 6);
计算符合条件的总个数	long count = list.stream().filter(x -> x > 6).count();

流的筛选

stream.filter(x -> x > 7).forEach(System.out::println);

流的映射

以函数作为参数，将每个元素映射成新的

list.stream().map(x -> x + 3).collect(Collectors.toList())

流的归约

list.stream().reduce((x, y) -> x + y);

流的收集

流不存储数据，那么在流中的数据完成处理后，需要将流中的数据重新归集到新的集合里。

归集

list.stream().filter(x -> x % 2 == 0).collect(Collectors.toList());

list.stream().filter(x -> x % 2 == 0).collect(Collectors.toSet());

list.stream().collect(Collectors.toMap(ABC::getA, ABC::getB, (x, y) -> x))

第一个参数：key

第二个参数：value

第三个方式：如果待加入的key与现有key产生冲突，如何处理

统计

计数：count
平均值：averagingInt、averagingLong、averagingDouble
最值：maxBy、minBy
求和：summingInt、summingLong、summingDouble
统计以上所有：summarizingInt、summarizingLong、summarizingDouble

list.stream().collect(Collectors.averagingDouble(ABC::getA));

list.stream().map(ABC::getA).collect(Collectors.maxBy(Integer::compare));

分组

partitioningBy	list.stream().collect(Collectors.partitioningBy(x -> x.getA() > 8000)); —— A
groupingBy	list.stream().collect(Collectors.groupingBy(Person::getSex)); —— B
groupingBy	list.stream().collect(Collectors.groupingBy(Person::getSex, Collectors.groupingBy(Person::getArea))); —— C

A

员工按薪资是否大于8000分组情况：

{false=[mutest.Person@2d98a335, mutest.Person@16b98e56, mutest.Person@7ef20235], true=[mutest.Person@27d6c5e0, mutest.Person@4f3f5b24, mutest.Person@15aeb7ab]}

B

员工按性别分组情况：

{female=[mutest.Person@16b98e56, mutest.Person@4f3f5b24, mutest.Person@7ef20235], male=[mutest.Person@27d6c5e0, mutest.Person@2d98a335, mutest.Person@15aeb7ab]}

C

员工按性别、地区：

{female={New York=[mutest.Person@4f3f5b24, mutest.Person@7ef20235], Washington=[mutest.Person@16b98e56]}, male={New York=[mutest.Person@27d6c5e0, mutest.Person@15aeb7ab], Washington=[mutest.Person@2d98a335]}}

联结

list.stream().map(p -> p.getName()).collect(Collectors.joining(","));

排序

list.stream().sorted(Comparator.comparing(Person::getSalary)).map(Person::getName) .collect(Collectors.toList());

// 自定义排序

        list.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());

提取

合并与去重	Stream.concat(stream1, stream2).distinct().collect(Collectors.toList());
限制数量	Stream.iterate(1, x -> x + 2).limit(10).collect(Collectors.toList());
跳过前n个	Stream.iterate(1, x -> x + 2).skip(1).limit(5).collect(Collectors.toList());