首页 / JAVA / java笔记-Stream流
java笔记-Stream流
内容导读
互联网集市收集整理的这篇技术教程文章主要介绍了java笔记-Stream流,小编现在分享给大家,供广大互联网技能从业者学习和参考。文章包含14134字,纯文字阅读大概需要21分钟。
内容图文
![java笔记-Stream流](/upload/InfoBanner/zyjiaocheng/738/3233afec8a984d0d8d2e132d26104a51.jpg)
Stream
是 Java8 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。
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。
集合讲的是数据,流讲的是计算!
Stream API 提供了一种高效且易于使用的处理数据的方式。
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。
Stream 的操作三个步骤
1.创建 Stream
一个数据源(如:集合、数组),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
1.创建Stream的方式
1.集合中的stream()方法
Java8 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
List<Integer> list = Arrays.asList(10, 20, 30);
Stream<Integer> stream = list.stream();
2.Arrays 中的静态stream()方法,可以根据数组获取一个流
Stream<Integer> stream1 = Arrays.stream(new Integer[]{100, 200, 300});
3.Stream中的静态方法 of()
Stream<Integer> integerStream = Stream.of(30, 60, 90, 30);
4.创建一个无限流
创建无限流可以使用静态方法 Stream.iterate()和Stream.generate(), 创建无限流。
4.1 Stream.iterate()
Stream<Integer> iterate = Stream.iterate(1, new UnaryOperator<Integer>() {
@Override
public Integer apply(Integer integer) {
return integer + 1;
}
});
参1:种子,即起始值, 参2重写的方法的参数
4.2 Stream.generate()
Stream.generate(() -> Math.random()).limit(5).forEach(System.out::println);
2.中间操作
返回的是一个持有新结果的 新的流
package org.westos.demo2;
public class Employee {
private int id; //员工的id
private String name; //员工的姓名
private int age; //员工的年龄
private double salary; //员工的工资
private Status status; //员工的状态
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
+ "]";
}
//枚举
public enum Status {
FREE, //空闲
BUSY, //繁忙
VOCATION;//休假
}
}
List<Employee> emps = Arrays.asList(
new Employee(102, "李四", 59, 6666.66),
new Employee(101, "张三", 18, 9999.99),
new Employee(103, "王五", 28, 3333.33),
new Employee(104, "赵六", 8, 7777.77),
new Employee(104, "赵六", 8, 7777.77),
new Employee(104, "赵六", 8, 7777.77),
new Employee(105, "田七", 38, 5555.55)
);
//获取流
Stream<Employee> stream = emps.stream();
1.筛选与切片
? 1.1 filter(Predicate p) 过滤 接收 Lambda , 从流中排除某些元素。
? 1.2 distinct() 去重,通过流所生成元素的 hashCode() 和 equals() 去除重复元素
? 1.3 limit(long maxSize) 截断流,使其元素不超过给定数量。
? 1.4 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
1.1 filter(Predicate p) 过滤
接收 Lambda为参数 , 从流中排除某些元素。
//获取工资大于7000的员工
//中间操作
Stream<Employee> employeeStream = stream.filter(employee -> employee.getSalary() > 7000);
//终止操作
employeeStream.forEach(System.out::println);
//获取姓赵的员工
//中间操作
Stream<Employee> employeeStream = stream.filter(employee->employee.getName().startWith("赵"))
//终止操作
employeeStream.forEach(System.out::println);
1.2 distinct() 去重,
通过流所生成元素的 hashCode() 和 equals() 去除重复元素
? 容器中的元素类型必须重写了 hashCode() 和 equals() 方法
//获取姓赵的员工 并 去除重复元素
//中间操作 写到前面
Stream<Employee> employeeStream = stream.distinct().filter(employee->employee.getName().startWith("赵"));
//或者写到后面
Stream<Employee> employeeStream = stream.filter(employee->employee.getName().startWith("赵")).distinct();
1.3 limit(long maxSize) 截断流,
使其元素不超过给定数量。
List<Integer> numbers = Arrays.asList(10, 20, 30,60);
Stream<Integer> stream2 = numbers.stream().limit(2);//从头开始截断几个元素
1.4 skip(long n)跳过前n个元素,
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
List<Integer> numbers = Arrays.asList(10, 20, 30,60);
Stream<? extends Number> stream2 = numbers.stream().skip(3);//跳过前3个元素
2.映射
? 2.1 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。
? 2.2 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.
? 2.3 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。
? 2.4 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。
? 2.5 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。
2.1 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。
//获取员工的名字
//中间操作 获取含有员工名字的流
Stream<String> stringStream = stream.map(employee -> employee.getName());
//终止 操作
stringStream.forEach(System.out::println);
List<String> strings = Arrays.asList("aaa", "bbb", "ccc");
//将上面集合中的元素全部变为大写
strings.stream().map(s-> s.toUpperCase()).forEach(System.out::println);//AAA BBB CCC
2.2 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.
List<String> strList = Arrays.asList("aaa", "bbb", "ccc");
//把集合中的元素,把每个字符串,截取成字符,放到流中去
//需求一个大流 大流中由许多小流组成 小流是由集合中每个字符串中的字符组成的小集合转化而来
2.2.1 使用map方法
strList.stream().map(s->{
List<Character> sl = new ArrayList<Character>();
for (Character c : s.toCharArray()) {
sl.add(c);
}
return sl.stream();
});
2.2.2使用 flatMap(Function f)方法
//用map方法层层嵌套过于繁琐,使用flatMap()更为简单
List<String> strings2 = Arrays.asList("aaa", "bbb", "ccc");
Stream<String> stream = strings2.stream();
Stream<Character> characterStream = stream.flatMap((e) -> getChar(e));
characterStream.forEach(System.out::println);
private static Stream<Character> getChar(String str) {
ArrayList<Character> characters = new ArrayList<>();
for (char ch : str.toCharArray()) {
characters.add(ch);
}
return characters.stream();
}
2.3 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。
2.4 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。
2.5 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。
List<Integer> integers = Arrays.asList(10, 20, 30, 40);
Stream<Integer> stream = integers.stream();
stream.mapToInt(i->i*i).forEach(System.out::println);
3.排序
? sorted() 产生一个新流,其中按自然顺序排序 元素实现Compareble接口
? sorted(Comparator comp) 产生一个新流,其中按比较器顺序排序 传入一个比较器
List<Integer> integers = Arrays.asList(10, 20, 30, 40,1,2);
Stream<Integer> stream = integers.stream();
stream.sorted().forEach(System.out::println);//从小到大排序
stream.sorted((x,y)->Integer.compare(y,x)).forEach(System.out::println);//从大到小排
3.终止操作
1.查找与匹配
allMatch(Predicate p) 检查是否匹配所有元素 比如判断 所有员工的年龄都是17岁 如果有一个不是,就返回false
anyMatch(Predicate p) 检查是否至少匹配一个元素 比如判断是否有姓王的员工,如果至少有一个就返回true
noneMatch(Predicate p) 检查是否没有匹配所有元素 比如判断所有员工的工资都是否都是高于3000 如果有一个人低于3000 就返回false
List<Integer> integers = Arrays.asList(2,2,3);
boolean b = integers.stream().noneMatch((e) -> e >2);
findFirst() 返回第一个元素 比如获取工资最高的人 或者 获取工资最高的值是
//获取员工中工资最高的
//将员工工资排序再获取第一个
//Optional 是个容器,把获取出的结果,放到里面去了 通过get方法就可以获得我们想要的
Stream<Employee> stream = emps.stream();
Optional<Employee> first = stream.stored((x,y)->(-(int)(x.getSalary())-y.getSalary()))).findFirst();
Employee employee = first.get();
findAny() 返回当前流中的任意元素 比如随便获取一个姓王的员工
如果是串行流,则一直是容器中的第一个元素
想要获取随机元素则需要将串行流换位并行流
List<Integer> integers2 = Arrays.asList(2, 2, 3,10,5, 10,510, 510, 5);
//stream()串行流
//parallelStream() 并行流 多个线程并发去找
Optional<Integer> any = integers2.parallelStream().findAny();
System.out.println(any.get());
count() 返回流中元素总数
long count = integers2.stream().count();
//元素大于5有几个
long count = integers2.stream().filter(e -> e > 5).count();
max(Comparator c) 返回流中最大值 比如:获取最大年龄值
min(Comparator c) 返回流中最小值 比如:获取最小年龄的值
List<Integer> integers2 = Arrays.asList(2, 2, 3,10,5, 10,510, 510, 5);
Optional<Integer> max = integers2.stream().max((x, y) -> x - y);
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)
2.规约
reduce(T iden, BinaryOperator b) 参1 是起始值, 参2 二元运算 可以将流中元素反复结合起来,得到一个值。返回 T 比如: 求集合中元素的累加总和
List<Integer> integers = Arrays.asList(1, 2, 3, 4, 5);
Integer reduce = integers.stream().reduce(0, new BinaryOperator<Integer>() {
@Override
public Integer apply(Integer a, Integer b) {
return a + b;
}
});
System.out.println(reduce);
//有起始值,返回的是Integer类型
reduce(BinaryOperator b) 这个方法没有起始值 可以将流中元素反复结合起来,得到一个值。返回 Optional<T> , 比如你可以算所有员工工资的总和
Optional<Integer> reduce = integers.stream().reduce(new BinaryOperator<Integer>() {
@Override
public Integer apply(Integer a, Integer b) {
return a + b;
}
});
System.out.println(reduce.get());
//没有起始值,返回的是Optional类型
备注:map 和 reduce 的连接通常称为 map-reduce 模式,因 Google 用它来进行网络搜索而出名。
3.收集
? 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
Collectors 中的方法
List<T> toList() 把流中元素收集到List 比如把所有员工的名字通过map()方法提取出来之后,在放到List集合中去
例子:List<Employee> emps= list.stream().map(提取名字).collect(Collectors.toList());
Set<T> toSet() 把流中元素收集到Set 比如把所有员工的名字通过map()方法提取出来之后,在放到Set集合中去
例子:Set<Employee> emps= list.stream().collect(Collectors.toSet());
Collection<T> toCollection() 把流中元素收集到创建的集合 比如把所有员工的名字通过map()方法提取出来之后,在放到自己指定的集合中去
例子:Collection<Employee>emps=list.stream().map(提取名字).collect(Collectors.toCollection(ArrayList::new));
Long counting() 计算流中元素的个数
例子:long count = list.stream().collect(Collectors.counting());
Integer summingInt() 对流中元素的整数属性求和
例子:inttotal=list.stream().collect(Collectors.summingInt(Employee::getSalary));
Double averagingInt() 计算流中元素Integer属性的平均值
例子:doubleavg= list.stream().collect(Collectors.averagingInt(Employee::getSalary));
IntSummaryStatistics summarizingInt() 收集流中Integer属性的统计值。
例子:DoubleSummaryStatistics dss= list.stream().collect(Collectors.summarizingDouble(Employee::getSalary));
从DoubleSummaryStatistics 中可以获取最大值,平均值等
double average = dss.getAverage();
long count = dss.getCount();
double max = dss.getMax();
String joining() 连接流中每个字符串
Stream<Employee> stream2 = emps.stream();
把每个人的名字提取出来,拼成一个字符串
joining() 将流中的元素拼接起来,形成一个字符串
joining("-") 将流中的元素拼接起来 用"-"作为拼接符号
joining("-", "[", "]") // 效果如他: [李四-张三-王五-赵六-赵六-赵六-田七]
比如把所有人的名字提取出来,在通过"-"横杠拼接起来
例子:String str= list.stream().map(Employee::getName).collect(Collectors.joining("-"));
Optional<T> maxBy() 根据比较器选择最大值 比如求最大工资
例子:Optional<Emp>max= list.stream().collect(Collectors.maxBy(comparingInt(Employee::getSalary)));
Optional<T> minBy() 根据比较器选择最小值 比如求最小工资
例子:Optional<Emp> min = list.stream().collect(Collectors.minBy(comparingInt(Employee::getSalary)));
归约产生的类型 reducing() 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
例子:inttotal=list.stream().collect(Collectors.reducing(0, Employee::getSalar, Integer::sum));
转换函数返回的类型 collectingAndThen() 包裹另一个收集器,对其结果转换函数
例子:inthow= list.stream().collect(Collectors.collectingAndThen(Collectors.toList(), List::size));
Map<K, List<T>> groupingBy() 根据某属性值对流分组,属性为K,结果为V 比如按照 状态分组
例子:Map<Emp.Status, List<Emp>> map= list.stream().collect(Collectors.groupingBy(Employee::getStatus));
Map<Boolean, List<T>> partitioningBy() 根据true或false进行分区 比如 工资大于等于6000的一个区,小于6000的一个区
例子:Map<Boolean,List<Emp>>vd= list.stream().collect(Collectors.partitioningBy(Employee::getSalary));
内容总结
以上是互联网集市为您收集整理的java笔记-Stream流全部内容,希望文章能够帮你解决java笔记-Stream流所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错,欢迎将互联网集市网站推荐给程序员好友。
内容备注
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 gblab@vip.qq.com 举报,一经查实,本站将立刻删除。
内容手机端
扫描二维码推送至手机访问。