文章目录

1. Stream API

Java 8中有两大最为重要的改变。第一个是 Lambda 表达式；另外一个则是 Stream API(java.util.stream.\*)
流(Stream) 是数据渠道，用于操作数据源（集合、数组等）所生成的元素序列。

Stream 是 Java 8 中处理集合的关键抽象概念，它可以指定你希望对集合进行的操作，可以执行非常复杂的查找、过滤和映射数据等操作。使用Stream API 对集合数据进行操作，就类似于使用 SQL 执行的数据库查询。也可以使用 Stream API 来并行执行操作。简而言之，Stream API 提供了一种高效且易于使用的处理数据的方式。

集合讲的是数据，流讲的是计算！

注意：

①Stream 自己不会存储元素。

②Stream 不会改变源对象。相反，他们会返回一个持有结果的新Stream。

③Stream 操作是延迟执行的。这意味着他们会等到需要结果的时候才执行。

④Stream 流进行终止操作之后，不能再次使用。

⑤Stream 流不触发终止操作，中间操作不会执行任何的处理

1. Stream 的操作三个步骤

1. 创建 Stream

一个数据源（如：集合、数组），可以获取一个流

2. 中间操作

一个中间操作链，对数据源的数据进行处理

3. 终止操作(终端操作)

一个终止操作，执行中间操作链，并产生结果

在这里插入图片描述

2. 如何创建 Stream

一：Java 8 中的 Collection 接口被扩展，提供了两个获取流的方法：

default Stream<E> stream(): 返回一个顺序流

default Stream<E> parallelStream() : 返回一个并行流

// Collection 提供了两个方法  stream() 与 parallelStream()
List<String> list = new ArrayList<>(); //List继承Collection
Stream<String> stream = list.stream(); //获取一个顺序流
Stream<String> parallelStream = list.parallelStream(); //获取一个并行流

顺序流 就是把一个内容看成一个数据块，用一个线程按照前后顺序处理数据块的流。

并行流 就是把一个内容分成多个数据块，并用不同的线程分别处理每个数据块的流。

二：Java 8 中的 Arrays 的静态方法 stream() 可以获取数组流：

static <T> Stream<T> stream(T[] array): 返回一个流

// 通过 Arrays 中的 stream() 获取一个数组流
Integer[] nums = new Integer[10];
Stream<Integer> stream1 = Arrays.stream(nums);

三：重载形式，能够处理对应基本类型的数组：

public static IntStream stream(int[] array)

public static LongStream stream(long[] array)

public static DoubleStream stream(double[] array)

可以使用静态方法 Stream.of(), 通过显示值创建一个流。它可以接收任意数量的参数。

public static<T> Stream<T> of(T... values): 返回一个流

// 通过 Stream 类中静态方法 of()
Stream<Integer> stream2 = Stream.of(1,2,3,4,5,6);

四：由函数创建流：创建无限流

可以使用静态方法 Stream.iterate() 和 Stream.generate(), 创建无限流。

  • 迭代

public static<T> Stream<T> iterate(final T seed, final UnaryOperator<T> f)

  • 生成

public static<T> Stream<T> generate(Supplier<T> s)

// 创建无限流
//迭代，因为生成的是无限流，所以使用limit截取一下
Stream<Integer> stream3 = Stream.iterate(0, (x) -> x + 2).limit(10);
stream3.forEach(System.out::println);

//生成，因为生成的是无限流，所以使用limit截取一下
Stream<Double> stream4 = Stream.generate(Math::random).limit(10);
stream4.forEach(System.out::println);

3. Stream 的中间操作

多个 中间操作 连接起来形成一个 流水线，除非流水线上触发终止操作，否则 中间操作不会执行任何的处理 ！而在 终止操作时一次性全部处理，称为“惰性求值” 。

public class Main {
    //测试数据代码在最下面 emps 
	public static void main(String[] args) {
        //把 `stream.forEach(System.out::println);` 注释掉，
        //Stream 的中间操作不会做任何的处理
		Stream<Employee> stream = emps.stream()
			.filter((e) -> {
				System.out.println("测试中间操作");
				return e.getAge() <= 35;
			});

		//只有当做终止操作时，所有的中间操作会一次性的全部执行，称为“惰性求值”
		stream.forEach(System.out::println);
	}

}

3.1 筛选与切片

方 法描述
filter(Predicate p)接收 Lambda ， 从流中排除某些元素。
distinct()筛选，通过流所生成元素的 hashCode() 和 equals() 去除重复元素
limit(long maxSize)截断流，使其元素不超过给定数量。
skip(long n)跳过元素，返回一个扔掉了前 n 个元素的流。若流中元素不足 n 个，则返回一个空流。与 limit(n) 互补
public class Main {
    //测试数据代码在最下面 emps
    public static void main(String[] args) {
        emps.stream()
            .filter((e) -> {
                System.out.println("短路！");
                //筛选薪水大于5000的员工
                return e.getSalary() >= 5000;
            }).limit(3)  //截取三条数据
            .forEach(System.out::println);

        System.out.println("----------------------------------------");

        emps.parallelStream()
            //筛选薪水大于5000的员工
            .filter((e) -> e.getSalary() >= 5000)
            //跳过前两条数据
            .skip(2)
            .forEach(System.out::println);

        System.out.println("----------------------------------------");

        emps.stream()
            //通过流所生成元素的 `hashCode()` 和 `equals()` 去除重复元素
            //需要注意：自己创建的实体类需要重写 `hashCode()` 和 `equals()` 方法
            .distinct()
            .forEach(System.out::println);
    }

}

3.2 映射

方法描述
map(Function f)接收一个函数作为参数，该函数会被应用到每个元素上，并将其映射成一个新的元素。
flatMap(Function f)接收一个函数作为参数，将流中的每个值都换成另一个流，然后把所有流连接成一个流
mapToDouble(ToDoubleFunction f)接收一个函数作为参数，该函数会被应用到每个元素上，产生一个新的 DoubleStream。
mapToInt(ToIntFunction f)接收一个函数作为参数，该函数会被应用到每个元素上，产生一个新的 IntStream。
mapToLong(ToLongFunction f)接收一个函数作为参数，该函数会被应用到每个元素上，产生一个新的 LongStream。
public class Main {
	//测试数据代码在最下面 emps
	public static void main(String[] args) {
        /**
		 * map() 返回了一个 Stream<Stream<Character>>
		 */
		Stream<Stream<Character>> stream1 = strList.stream()
			   .map(TestStreamAPI1::filterCharacter);

		stream1.forEach((sm) -> {
			sm.forEach(System.out::println);
		});

		System.out.println("---------------------------------------------");
		/**
		 * flatMap() 返回了一个 Stream<Character>
		 */
		Stream<Character> stream2 = strList.stream()
			   .flatMap(TestStreamAPI1::filterCharacter);

		stream2.forEach(System.out::println);
	}
    
    public static Stream<Character> filterCharacter(String str){
		List<Character> list = new ArrayList<>();
		for (Character ch : str.toCharArray()) {
			list.add(ch);
		}
		return list.stream();
	}

}

3.3 排序

方法描述
sorted()产生一个新流，其中按自然顺序排序(自然排序默认对数字、字母按照降序排序；需要注意对中文排序会出现乱序，中文排序需要使用专门的类)
sorted(Comparator comp)产生一个新流，其中按比较器顺序排序
public class Main {
    //测试数据代码在最下面 emps
    public static void main(String[] args) {
        // 调用自然排序
        emps.stream()
            .map(Employee::getName)
            .sorted()
            .forEach(System.out::println);

        System.out.println("------------------------------------");

        // 自定义排序规则
        emps.stream()
            .sorted((x, y) -> {
                // 如果年龄相等
                if (x.getAge() == y.getAge()){
                    // 按照中文排序
                    Collator instance = Collator.getInstance(Locale.CHINA);
                    return instance.compare(x.getName(), y.getName());
                // 如果年龄不相等
                }else {
                    return Integer.compare(x.getAge(),y.getAge()) ;
                }
            }).forEach(System.out::println);
    }

}

4. Stream 的终止操作

终止操作(终端操作)会从流的流水线生成结果。其结果可以是任何不是流的值，例如：List、Integer，甚至是 void 。

4.1 查找与匹配

方法描述
allMatch(Predicate p)检查是否匹配所有元素
anyMatch(Predicate p)检查是否至少匹配一个元素
noneMatch(Predicate p)检查是否没有匹配所有元素
findFirst()返回第一个元素
findAny()返回当前流中的任意元素
count()返回流中元素总数
max(Comparator c)返回流中最大值
min(Comparator c)返回流中最小值
forEach(Consumer c)内部迭代(使用 Collection 接口需要用户去做迭代，称为外部迭代。相反，Stream API 使用内部迭代——它帮你把迭代做了)
public class Main {
    //测试数据代码在最下面 emps
    public static void main(String[] args) {
        //allMatch——检查是否匹配所有元素
        boolean bl = emps.stream()
            .allMatch((e) -> e.getStatus().equals(Status.BUSY));

        System.out.println("是否匹配所有元素 "+bl);
        System.out.println("--------------------------------");

        //anyMatch——检查是否至少匹配一个元素
        boolean bl1 = emps.stream()
            .anyMatch((e) -> e.getStatus().equals(Status.BUSY));

        System.out.println("是否至少匹配一个元素 "+bl1);
        System.out.println("--------------------------------");

        //noneMatch——检查是否没有匹配的元素
        boolean bl2 = emps.stream()
            .noneMatch((e) -> e.getStatus().equals(Status.BUSY));

        System.out.println("是否没有匹配的元素 "+bl2);
        System.out.println("--------------------------------");

        //findFirst——获取第一个元素
        Optional<Employee> op = emps.stream()
            .findFirst();

        System.out.println("获取当前流中第一个元素："+op.get());
        System.out.println("--------------------------------");

        //findAny——获取当前流中的任意元素
        Optional<Employee> op1 = emps.parallelStream()
            .findAny();

        System.out.println("取当前流中的任意一个元素："+op1.get());
        System.out.println("--------------------------------");

        //count——返回流中元素的总个数
        long count = emps.stream()
            .count();

        System.out.println("当前流中元素个数总数为："+count);
        System.out.println("--------------------------------");

        //max——返回流中最大值
        System.out.println("当前流中最高工资为："+
                           emps.stream()
                           // 映射
                           .map(Employee::getSalary)
                           .max(Double::compare));

        //min——返回流中最小值
        System.out.println("当前流中最低工资为："+
                           emps.stream()
                           // 映射
                           .map(Employee::getSalary)
                           .min(Double::compare));
    }

}

4.2 归约

方法描述
reduce(T iden, BinaryOperator b)可以将流中元素反复结合起来，得到一个值。返回 T
reduce(BinaryOperator b)可以将流中元素反复结合起来，得到一个值。返回 Optional<T>
public class Main {
    //测试数据代码在最下面 emps
    public static void main(String[] args) {
        //获取list
        List<Integer> list = Arrays.asList(1,2,3,4,5,6,7,8,9,10);
        //使用reduce方法把list中的值累加起来
        Integer sum = list.stream()
            //将流中元素反复结合起来，得到一个值
            .reduce(0, (x, y) -> x + y);

        System.out.println("list的累加结果为："+sum);
        System.out.println("----------------------------------------");

        //把所有薪资累加起来
        Optional<Double> op = emps.stream()
            //映射
            .map(Employee::getSalary)
            .reduce(Double::sum);

        System.out.println("所有薪资累加结果为："+op.get());
    }

}

4.3 收集

方法描述
collect(Collector c)将流转换为其他形式。接收一个 Collector接口的实现，用于给Stream中元素做汇总的方法

Collector 接口中方法的实现决定了如何对流执行收集操作(如收集到 List、Set、Map)。但是 Collectors 实用类提供了很多静态方法，可以方便地创建常见收集器实例，具体方法与实例如下表：

方法返回类型作用
toListList<T>把流中元素收集到List
toSetSet<T>把流中元素收集到Set
toCollectionCollection<T>把流中元素收集到创建的集合
countingLong计算流中元素的个数
summingIntInteger对流中元素的整数属性求和
averagingIntDouble计算流中元素Integer属性的平均值
summarizingIntIntSummaryStatistics收集流中Integer属性的统计值。 如：平均值、元素总数、最大值、最小值等等
joiningString连接流中每个字符串(参数一：流中每个元素的分隔符；参数二：最终字符串的开头符；参数三：最终字符串的结束符)
maxByOptional<T>根据比较器选择最大值
minByOptional<T>根据比较器选择最小值
reducing归约产生的类型从一个作为累加器的初始值开始，利用BinaryOperator与流中元素逐个结合，从而归约成单个值
collectingAndThen转换函数返回的类型包裹另一个收集器，对其结果转换函数
groupingByMap<K, List<T>>根据某属性值对流分组，属性为K，结果为V
partitioningByMap<Boolean, List<T>>根据true或false进行分区
public class Main {
    //测试数据代码在最下面 emps
    public static void main(String[] args) {
        // 元素收集到List
		List<String> list = emps.stream()
			.map(Employee::getName)
			.collect(Collectors.toList());
		System.out.print("输出List = ") ;
		list.forEach((x)-> System.out.print(x+" "));
		System.out.println();

		// 元素收集到Set
		Set<String> set = emps.stream()
			.map(Employee::getName)
			.collect(Collectors.toSet());
		System.out.print("输出Set = ");
		set.forEach((x)-> System.out.print(x+" "));
		System.out.println();

		// 元素收集到HashSet
		HashSet<String> hs = emps.stream()
			.map(Employee::getName)
			.collect(Collectors.toCollection(HashSet::new));
		System.out.print("输出HashSet = ");
		hs.forEach((x)-> System.out.print(x+" "));
		System.out.println();

		System.out.println("----------------------------------");
		// 获取流中最大工资数
		// maxBy：根据比较器选择最大值
		Optional<Double> max = emps.stream()
				.map(Employee::getSalary)
				.collect(Collectors.maxBy(Double::compare));
		System.out.println("最大工资数为："+max.get());


		System.out.println("----------------------------------");
		// 获取流中最小工资数
		// minBy：根据比较器选择最小值
		Optional<Employee> op = emps.stream()
				.collect(Collectors.minBy((e1, e2) -> Double.compare(e1.getSalary(), e2.getSalary())));
		System.out.println("最小工资元素为："+op.get());

		System.out.println("----------------------------------");
		// 对流中的薪资求和
		// summingDouble：对流中元素Double属性求和
		Double sum = emps.stream()
				.collect(Collectors.summingDouble(Employee::getSalary));
		System.out.println("工资总和为："+sum);

		System.out.println("----------------------------------");
		// 计算流中薪资的平均值
		// averagingDouble：计算流中元素Double属性的平均值
		Double avg = emps.stream()
				.collect(Collectors.averagingDouble(Employee::getSalary));
		System.out.println("工资的平均值为："+avg);

		System.out.println("----------------------------------");
		// 计算流中元素的个数
		// counting：计算流中元素的个数
		Long count = emps.stream()
				.collect(Collectors.counting());
		System.out.println("流中元素的个数为："+count);


		System.out.println("--------------------------------------------");
		// summarizingDouble：收集流中Double属性，如平均值，元素总数，最大值，最小值等等
		DoubleSummaryStatistics dss = emps.stream()
				.collect(Collectors.summarizingDouble(Employee::getSalary));
		System.out.println("获取流元素中工资最大值"+dss.getMax());
		System.out.println("获取流元素中工资平均值"+dss.getAverage());

		System.out.println("--------------------------------------------");
		// 分区
		// partitioningBy：根据true或false进行分区，符合条件的在true区，反之false区
		Map<Boolean, List<Employee>> map = emps.stream()
				.collect(Collectors.partitioningBy((e) -> e.getSalary() >= 5000));
		System.out.println("分区结果值："+map);

		System.out.println("--------------------------------------------");
		// joining：连接流中的字符串
		String str = emps.stream()
				.map(Employee::getName)
				.collect(Collectors.joining("," , "--开始--", "--结束--"));
		System.out.println("连接流中字符串连接结果为："+str);

		System.out.println("--------------------------------------------");
		// reducing：通过归约计算流中所有工资元素的总值
		Optional<Double> sum1 = emps.stream()
				.map(Employee::getSalary)
				.collect(Collectors.reducing(Double::sum));
		System.out.println("工资元素总和为："+sum1.get());
    }
}

4.4 分组示例（重点）

public class Main {
    //测试数据代码在最下面 emps
    public static void main(String[] args) {
        // 一级分组
        Map<Status, List<Employee>> map = emps.stream()
            .collect(Collectors.groupingBy(Employee::getStatus));
        System.out.println("输出一级分组："+map);

        // 二级分组
        Map<Status, Map<String, List<Employee>>> map1 = emps.stream()
            .collect(Collectors.groupingBy(Employee::getStatus, Collectors.groupingBy((e) -> {
                if (e.getAge() >= 60)
                    return "老年";
                else if (e.getAge() >= 35)
                    return "中年";
                else
                    return "成年";
            })));
        System.out.println("输出二级分组："+map1);

        // 三级分组
        Map<Status, Map<String, Map<String, List<Employee>>>> map2 = emps.stream()
            .collect(Collectors.groupingBy(Employee::getStatus, Collectors.groupingBy((e) -> {
                if (e.getAge() >= 60)
                    return "老年";
                else if (e.getAge() >= 35)
                    return "中年";
                else
                    return "成年";
            }, Collectors.groupingBy((e) -> {
                if (e.getSalary() >= 5000)
                    return "高工资";
                else
                    return "低工资";
            }))));
        System.out.println("输出三级分组："+map2);
    }
}

2. 测试数据和实体类代码

测试数据 List 对象

// 测试数据
List<Employee> emps = Arrays.asList(
    new Employee(102, "李四", 59, 6666.66, Status.BUSY),
    new Employee(101, "张三", 18, 9999.99, Status.FREE),
    new Employee(103, "王五", 28, 3333.33, Status.VOCATION),
    new Employee(104, "赵六", 8, 7777.77, Status.BUSY),
    new Employee(104, "赵六", 8, 9777.77, Status.FREE),
    new Employee(104, "赵六", 8, 7777.77, Status.FREE),
    new Employee(105, "田七", 38, 5555.55, Status.BUSY)
);

实体类

// 实体类
public class Employee {
	private int id;
	private String name;
	private int age;
	private double salary;
	private Status status;

	public Employee() {}
	public Employee(String name) {this.name = name;}
	public Employee(String name, int age) {this.name = name;this.age = age;}
	public Employee(int id, String name, int age, double salary) {
		this.id = id;this.name = name;
		this.age = age;this.salary = salary;}
	public Employee(int id, String name, int age, double salary, Status status) {
		this.id = id;this.name = name;this.age = age;
        this.salary = salary;this.status = status;}
	public Status getStatus() {return status;}
	public void setStatus(Status status) {this.status = status;}
	public int getId() {return id;}
	public void setId(int id) {this.id = id;}
	public String getName() {return name;}
	public void setName(String name) {this.name = name;}
	public int getAge() {return age;}
	public void setAge(int age) {this.age = age;}
	public double getSalary() {return salary;}
	public void setSalary(double salary) {this.salary = salary;}
	public String show() {return "测试方法引用！";}

	@Override
	public int hashCode() {
		final int prime = 31;
		int result = 1;
		result = prime * result + age;
		result = prime * result + id;
		result = prime * result + ((name == null) ? 0 : name.hashCode());
		long temp;
		temp = Double.doubleToLongBits(salary);
		result = prime * result + (int) (temp ^ (temp >>> 32));
		return result;
	}

	@Override
	public boolean equals(Object obj) {
		if (this == obj)
			return true;
		if (obj == null)
			return false;
		if (getClass() != obj.getClass())
			return false;
		Employee other = (Employee) obj;
		if (age != other.age)
			return false;
		if (id != other.id)
			return false;
		if (name == null) {
			if (other.name != null)
				return false;
		} else if (!name.equals(other.name))
			return false;
		if (Double.doubleToLongBits(salary) != Double.doubleToLongBits(other.salary))
			return false;
		return true;
	}

	@Override
	public String toString() {
		return "Employee [id=" + id + ", name=" + name + ", age=" + age + ", salary=" + salary + ", status=" + status
				+ "]";
	}

	public enum Status {FREE, BUSY, VOCATION;}
}
# java
Logo
CSDN学习社区

CSDN联合极客时间，共同打造面向开发者的精品内容学习社区，助力成长！

更多推荐

嵌入式作业（七）：基于Ardunio的STM32串口通信

嵌入式作业（七）0作业要求1Ardunio 完成STM32的串口通信（1）安装Ardunio IDE（2）stm32串口通信2关于 stduino IDE0作业要求安装 Ardunio IDE 和相关软件支持库，在Ardunio 完成STM32板子的串口通信程序：（1）持续向串口输出“Hello world！”；（2）当接收到“stop!”时，停止输出。网上有一个国人版的MCU集成开发平台， st

avatar CSDN学习社区

JDBC详解

JDBC文章目录JDBC什么是JDBC?JDBC驱动程序:Java使用JDBC访问数据库的步骤:设置classpath:Oracle连接字符串的书写格式:简单的例子:常用数据库的驱动程序及JDBC URL:Oracle数据库:SQL Server数据库MySQL数据库Access数据库PreparedStatement接口:JNDI-数据源（Data Source）与连接池（Connection

avatar CSDN学习社区

“模式识别与机器学习”学习笔记no2.再谈感知机

接**上篇：上篇主要进行了PLA，Pocket算法的理论过程分析和在给定数据集上利用pocket算法对数据集进行分类学习，得到错分数量最少的分类面。上篇中pocket算法的过程已经进行了编程和测试，框架已经建立了起来，这一篇主要上篇中没有提到或涉及不深的几个问题。1.数据集的构造。上篇是直接使用了题目给的向量，这次来根据正态分布来产生数据集。np.random.normal函数可以根据均值和方差生

avatar CSDN学习社区