java8 array、list操作 匯【5】）- Java8 Lambda list統計（求和、最大、最小、平均）

 

 

 

 

 關於stream使用的好文推薦：
這里去看了ibm的一篇關於stream的文章，get到了不少stream還沒遇到過的用法。老鐵們可以去學習一下。[https://www.ibm.com/developerworks/cn/java/j-lo-java8streamapi/ ]

 

 

public class Test {
    public static void main(String[] args) {
        List<Student> list1 = Arrays.asList(
                new Student(1, "t1", 1, BigDecimal.valueOf(1.5), 10d, "1"),
                new Student(2, "t2", 2, BigDecimal.valueOf(2.5), 20d, "2"),
                new Student(3, "t3", 2, BigDecimal.valueOf(3.5), 30d, "2"));


        //★★★★ 注意此寫法：  .reduce((sum1, i) -> sum1 + i)

        // 新方法：可以用內建方法，也可以自己定義
        //Map和Reduce操作是函數式編程的核心操作，因為其功能，reduce 又被稱為折疊操作。
        //SQL中類似 sum()、avg() 或者 count() 的聚集函數，實際上就是 reduce 操作，因為它們接收多個值並返回一個值。
        //流API定義的 reduceh() 函數可以接受lambda表達式，並對所有值進行合並。
        // IntStream這樣的類有類似 average()、count()、sum() 的內建方法來做 reduce 操作，也有mapToLong()、mapToDouble() 方法來做轉換。
        double bill = list1.stream()
                .map((i) -> i.price2 + 0.12 * i.price2)
                .reduce((sum1, i) -> sum1 + i)
                .get();
        // 為每個price2加上12%的稅


        //mapToInt
        int sum1 = list1.stream()
                .mapToInt(p -> p.unit)
                .sum();
        System.out.println("--00->" + sum1);

        //mapToInt - nax 獲取分享數
        Integer shareTatol = list1
                .stream()
                .mapToInt(Student::getId)
                .max()
                .orElse(0);
        System.out.println("--01->" + shareTatol);

        //null到時候，給默認值0.0
        Double reduce = list1.stream()
                .reduce(0.0, (x, y) -> x + (y.getPrice2() * y.getUnit()), Double::sum);
        System.out.println("--02->" + reduce);

        //
        Integer integer = list1.stream()
                .map(Student::getUnit)
                .max((x, y) -> Float.compare(x, y))
                .get();
        System.out.println("--03->" + integer);

        //從小到大分數排序：
        list1.stream()
                .map(Student::getUnit).sorted((x, y) -> Float.compare(x, y));
        double average = list1.stream()
                .map(Student::getPrice2).reduce(0.0, Double::sum) / list1.size();
        long count1 = list1.stream()
                .map(Student::getUnit).filter(r -> r > average).count();
        System.out.println("--035-高於平均值的有多少個：-->" + count1);

        //最大值，最小值，平均值
        // 為啥返回Optional？ 如果stream為null怎么辦, 這時候Optinal就很有意義了
        Optional<Student> mostCalorieDish = list1.stream().max(Comparator.comparingInt(Student::getUnit));
        Optional<Student> minCalorieDish = list1.stream().min(Comparator.comparingInt(Student::getUnit));
        Double avgCalories = list1.stream().collect(Collectors.averagingInt(Student::getUnit));
        System.out.println("--04->" + mostCalorieDish);
        System.out.println("--05->" + minCalorieDish);
        System.out.println("--06->" + avgCalories);

        // Collectors.maxBy 和 Collectors.minBy 來計算流中的最大或最小值。
        Optional<Student> maxDish = list1.stream().collect(Collectors.maxBy(Comparator.comparing(Student::getUnit)));
        Optional<Student> minDish = list1.stream().collect(Collectors.minBy(Comparator.comparing(Student::getUnit)));
        System.out.println("--07->" + maxDish);
        System.out.println("--08->" + minDish);


        //BigDecimal::add方法1：
        BigDecimal amounts = list1.stream()
                .map(item -> item.price)
                .reduce(BigDecimal.ZERO, BigDecimal::add);
        amounts = amounts.setScale(1, BigDecimal.ROUND_UP);
        System.out.println("--09->" + amounts);

        BigDecimal amounts21 = list1.stream()
                .map(item -> item.price.multiply(BigDecimal.valueOf(item.unit)))
                .reduce(BigDecimal.ZERO, BigDecimal::add);
        amounts21 = amounts21.setScale(1, BigDecimal.ROUND_UP);
        System.out.println("--091->" + amounts21);

        //BigDecimal::add方法2：
        BigDecimal sum2 = list1.stream()
                .map(Student::getPrice)
                .reduce(BigDecimal::add)
                .get();
        sum2 = sum2.setScale(1, BigDecimal.ROUND_UP);
        System.out.println("--10->" + sum2);
        BigDecimal sum21 = list1.stream()
                .map(item -> item.price.multiply(BigDecimal.valueOf(item.unit)))
                .reduce(BigDecimal::add)
                .get();
        sum21 = sum21.setScale(1, BigDecimal.ROUND_UP);
        System.out.println("--101->" + sum21);


        list1.stream().mapToDouble(Student::getUnit).sum();//和
        list1.stream().mapToDouble(Student::getUnit).max();//最大
        list1.stream().mapToDouble(Student::getUnit).min();//最小
        list1.stream().mapToDouble(Student::getUnit).average();//平均值

        // intStream、LongStream 和 DoubleStream 等流的類中，有個非常有用的方法叫做 summaryStatistics() 。
        // 可以返回 IntSummaryStatistics、LongSummaryStatistics 或者 DoubleSummaryStatistic s，描述流中元素的各種摘要數據。
        //獲取數字的個數、最小值、最大值、總和以及平均值  https://www.cnblogs.com/L-a-u-r-a/p/9077615.html
//      IntSummaryStatistics summaryStatistics = list1.stream().mapToInt((x) -> x.getUnit()).summaryStatistics();
        IntSummaryStatistics summaryStatistics = list1.stream().collect(Collectors.summarizingInt(Student::getUnit));
        double average = summaryStatistics.getAverage();
        long count = summaryStatistics.getCount();
        int max = summaryStatistics.getMax();
        int min = summaryStatistics.getMin();
        long sum = summaryStatistics.getSum();
        System.out.println("count : " + count);
        System.out.println("max : " + max);
        System.out.println("min : " + min);
        System.out.println("Sum : " + sum);
        System.out.println("Average : " + average);

    }

    @Builder
    @Data
    @EqualsAndHashCode(callSuper = false)
    static class Student {
        int id;
        String name;
        Integer unit;
        BigDecimal price;
        double price2;
        String groupId;
    }
}

 

 

 

 

 

 

  

 

 

 

 

https://www.cnblogs.com/yangweiqiang/p/6934671.html