Java8使用Stream流實現List列表的查詢、統計、排序、分組

 

https://blog.csdn.net/pan_junbiao/article/details/105913518

Java8提供了Stream（流）處理集合的關鍵抽象概念，它可以對集合進行的操作，可以執行非常復雜的查找、過濾和映射數據等操作。Stream API 借助於同樣新出現的Lambda表達式，極大的提高編程效率和程序可讀性。

下面是使用Stream的常用方法的綜合實例。

創建UserService.class（用戶信息業務邏輯類）。

1.  
   import com.pjb.streamdemo.entity.User;
2.  
   import java.math.BigDecimal;
3.  
   import java.util.ArrayList;
4.  
   import java.util.List;
5.  
    
6.  
   /**
7.  
   * 用戶信息業務邏輯類
8.  
   * @author pan_junbiao
9.  
   **/
10.  
    public class UserService
11.  
    {
12.  
    /**
13.  
    * 獲取用戶列表
14.  
    */
15.  
    public static List<User> getUserList()
16.  
    {
17.  
    List<User> userList = new ArrayList<User>();
18.  
    userList.add( new User(1, "pan_junbiao的博客_01", "男", 32, "研發部", BigDecimal.valueOf(1600)));
19.  
    userList.add( new User(2, "pan_junbiao的博客_02", "男", 30, "財務部", BigDecimal.valueOf(1800)));
20.  
    userList.add( new User(3, "pan_junbiao的博客_03", "女", 20, "人事部", BigDecimal.valueOf(1700)));
21.  
    userList.add( new User(4, "pan_junbiao的博客_04", "男", 38, "研發部", BigDecimal.valueOf(1500)));
22.  
    userList.add( new User(5, "pan_junbiao的博客_05", "女", 25, "財務部", BigDecimal.valueOf(1200)));
23.  
    return userList;
24.  
    }
25.  
    }

1、查詢方法

1.1 forEach()

使用 forEach() 遍歷列表數據。

1.  
   /**
2.  
   * 使用forEach()遍歷列表信息
3.  
   * @author pan_junbiao
4.  
   */
5.  
   @Test
6.  
   public void forEachTest()
7.  
   {
8.  
   //獲取用戶列表
9.  
   List<User> userList = UserService.getUserList();
10.  
     
11.  
    //遍歷用戶列表
12.  
    userList.forEach(System.out::println);
13.  
    }

上述遍歷語句等同於以下語句：

userList.forEach(user -> {System.out.println(user);});

執行結果：

 

1.2 filter(T -> boolean)

使用 filter() 過濾列表數據。

【示例】獲取部門為“研發部”的用戶列表。

1.  
   /**
2.  
   * 使用filter()過濾列表信息
3.  
   * @author pan_junbiao
4.  
   */
5.  
   @Test
6.  
   public void filterTest()
7.  
   {
8.  
   //獲取用戶列表
9.  
   List<User> userList = UserService.getUserList();
10.  
     
11.  
    //獲取部門為“研發部”的用戶列表
12.  
    userList = userList.stream().filter(user -> user.getDepartment() == "研發部").collect(Collectors.toList());
13.  
     
14.  
    //遍歷用戶列表
15.  
    userList.forEach(System.out::println);
16.  
    }

執行結果：

 

1.3 findAny() 和 findFirst()

使用 findAny() 和 findFirst() 獲取第一條數據。

【示例】獲取用戶名稱為“pan_junbiao的博客_02”的用戶信息，如果未找到則返回null。

1.  
   /**
2.  
   * 使用findAny()獲取第一條數據
3.  
   * @author pan_junbiao
4.  
   */
5.  
   @Test
6.  
   public void findAnytTest()
7.  
   {
8.  
   //獲取用戶列表
9.  
   List<User> userList = UserService.getUserList();
10.  
     
11.  
    //獲取用戶名稱為“pan_junbiao的博客_02”的用戶信息，如果沒有找到則返回null
12.  
    User user = userList.stream().filter(u -> u.getName().equals( "pan_junbiao的博客_02")).findAny().orElse(null);
13.  
     
14.  
    //打印用戶信息
15.  
    System.out.println(user);
16.  
    }

執行結果：

注意：findFirst() 和 findAny() 都是獲取列表中的第一條數據，但是findAny()操作，返回的元素是不確定的，對於同一個列表多次調用findAny()有可能會返回不同的值。使用findAny()是為了更高效的性能。如果是數據較少，串行地情況下，一般會返回第一個結果，如果是並行（parallelStream並行流）的情況，那就不能確保是第一個。

例如：使用parallelStream並行流，findAny() 返回的就不一定是第一條數據。

1.  
   //parallelStream方法能生成並行流，使用findAny返回的不一定是第一條數據
2.  
   User user = userList.parallelStream().filter(u -> u.getName().startsWith( "p")).findAny().orElse(null);

 

1.4 map(T -> R) 和 flatMap(T -> Stream)

使用 map() 將流中的每一個元素 T 映射為 R（類似類型轉換）。

使用 flatMap() 將流中的每一個元素 T 映射為一個流，再把每一個流連接成為一個流。

【示例】使用 map() 方法獲取用戶列表中的名稱列。

1.  
   /**
2.  
   * 使用map()獲取列元素
3.  
   * @author pan_junbiao
4.  
   */
5.  
   @Test
6.  
   public void mapTest()
7.  
   {
8.  
   //獲取用戶列表
9.  
   List<User> userList = UserService.getUserList();
10.  
     
11.  
    //獲取用戶名稱列表
12.  
    List<String> nameList = userList.stream().map(User::getName).collect(Collectors.toList());
13.  
    //或者：List<String> nameList = userList.stream().map(user -> user.getName()).collect(Collectors.toList());
14.  
     
15.  
    //遍歷名稱列表
16.  
    nameList.forEach(System.out::println);
17.  
    }

 返回的結果為數組類型，寫法如下：

1.  
   //數組類型
2.  
   String[] nameArray = userList.stream().map(User::getName).collect(Collectors.toList()).toArray( new String[userList.size()]);

 執行結果：

【示例】使用 flatMap() 將流中的每一個元素連接成為一個流。

1.  
   /**
2.  
   * 使用flatMap()將流中的每一個元素連接成為一個流
3.  
   * @author pan_junbiao
4.  
   */
5.  
   @Test
6.  
   public void flatMapTest()
7.  
   {
8.  
   //創建城市
9.  
   List<String> cityList = new ArrayList<String>();
10.  
    cityList.add( "北京；上海；深圳；");
11.  
    cityList.add( "廣州；武漢；杭州；");
12.  
     
13.  
    //分隔城市列表，使用 flatMap() 將流中的每一個元素連接成為一個流。
14.  
    cityList = cityList.stream()
15.  
    .map(city -> city.split( "；"))
16.  
    .flatMap(Arrays::stream)
17.  
    .collect(Collectors.toList());
18.  
     
19.  
    //遍歷城市列表
20.  
    cityList.forEach(System.out::println);
21.  
    }

執行結果：

 

1.5 distinct()

使用 distinct() 方法可以去除重復的數據。

【示例】獲取部門列表，並去除重復數據。

1.  
   /**
2.  
   * 使用distinct()去除重復數據
3.  
   * @author pan_junbiao
4.  
   */
5.  
   @Test
6.  
   public void distinctTest()
7.  
   {
8.  
   //獲取用戶列表
9.  
   List<User> userList = UserService.getUserList();
10.  
     
11.  
    //獲取部門列表，並去除重復數據
12.  
    List<String> departmentList = userList.stream().map(User::getDepartment).distinct().collect(Collectors.toList());
13.  
     
14.  
    //遍歷部門列表
15.  
    departmentList.forEach(System.out::println);
16.  
    }

執行結果：

 

1.6 limit(long n) 和 skip(long n)

limit(long n) 方法用於返回前n條數據，skip(long n) 方法用於跳過前n條數據。

【示例】獲取用戶列表，要求跳過第1條數據后的前3條數據。

1.  
   /**
2.  
   * limit(long n)方法用於返回前n條數據
3.  
   * skip(long n)方法用於跳過前n條數據
4.  
   * @author pan_junbiao
5.  
   */
6.  
   @Test
7.  
   public void limitAndSkipTest()
8.  
   {
9.  
   //獲取用戶列表
10.  
    List<User> userList = UserService.getUserList();
11.  
     
12.  
    //獲取用戶列表，要求跳過第1條數據后的前3條數據
13.  
    userList = userList.stream()
14.  
    .skip( 1)
15.  
    .limit( 3)
16.  
    .collect(Collectors.toList());
17.  
     
18.  
    //遍歷用戶列表
19.  
    userList.forEach(System.out::println);
20.  
    }

執行結果：

 

2、判斷方法

2.1 anyMatch(T -> boolean)

使用 anyMatch(T -> boolean) 判斷流中是否有一個元素匹配給定的 T -> boolean 條件。

2.2 allMatch(T -> boolean)

使用 allMatch(T -> boolean) 判斷流中是否所有元素都匹配給定的 T -> boolean 條件。

2.3 noneMatch(T -> boolean)

使用 noneMatch(T -> boolean) 流中是否沒有元素匹配給定的 T -> boolean 條件。

【示例】使用 anyMatch()、allMatch()、noneMatch() 進行判斷。

1.  
   /**
2.  
   * 使用 anyMatch()、allMatch()、noneMatch() 進行判斷
3.  
   * @author pan_junbiao
4.  
   */
5.  
   @Test
6.  
   public void matchTest()
7.  
   {
8.  
   //獲取用戶列表
9.  
   List<User> userList = UserService.getUserList();
10.  
     
11.  
    //判斷用戶列表中是否存在名稱為“pan_junbiao的博客_01”的數據
12.  
    boolean result1 = userList.stream().anyMatch(user -> user.getName().equals("pan_junbiao的博客_01"));
13.  
     
14.  
    //判斷用戶名稱是否都包含“pan_junbiao的博客”字段
15.  
    boolean result2 = userList.stream().allMatch(user -> user.getName().contains("pan_junbiao的博客"));
16.  
     
17.  
    //判斷用戶名稱是否存在不包含“pan_junbiao的博客”字段
18.  
    boolean result3 = userList.stream().noneMatch(user -> user.getName().contains("pan_junbiao的博客"));
19.  
     
20.  
    //打印結果
21.  
    System.out.println(result1);
22.  
    System.out.println(result2);
23.  
    System.out.println(result3);
24.  
    }

執行結果：

 

3、統計方法

3.1 reduce((T, T) -> T) 和 reduce(T, (T, T) -> T)

使用 reduce((T, T) -> T) 和 reduce(T, (T, T) -> T) 用於組合流中的元素，如求和，求積，求最大值等。

【示例】使用 reduce() 求用戶列表中年齡的最大值、最小值、總和。

1.  
   /**
2.  
   * 使用 reduce() 方法
3.  
   * @author pan_junbiao
4.  
   */
5.  
   @Test
6.  
   public void reduceTest()
7.  
   {
8.  
   //獲取用戶列表
9.  
   List<User> userList = UserService.getUserList();
10.  
     
11.  
    //用戶列表中年齡的最大值、最小值、總和
12.  
    int maxVal = userList.stream().map(User::getAge).reduce(Integer::max).get();
13.  
    int minVal = userList.stream().map(User::getAge).reduce(Integer::min).get();
14.  
    int sumVal = userList.stream().map(User::getAge).reduce(0,Integer::sum);
15.  
     
16.  
    //打印結果
17.  
    System.out.println( "最大年齡：" + maxVal);
18.  
    System.out.println( "最小年齡：" + minVal);
19.  
    System.out.println( "年齡總和：" + sumVal);
20.  
    }

 

3.2 mapToInt(T -> int) 、mapToDouble(T -> double) 、mapToLong(T -> long) 

int sumVal = userList.stream().map(User::getAge).reduce(0,Integer::sum)；計算元素總和的方法其中暗含了裝箱成本，map(User::getAge) 方法過后流變成了 Stream 類型，而每個 Integer 都要拆箱成一個原始類型再進行 sum 方法求和，這樣大大影響了效率。針對這個問題 Java 8 有良心地引入了數值流 IntStream, DoubleStream, LongStream，這種流中的元素都是原始數據類型，分別是 int，double，long。

流轉換為數值流：

• mapToInt(T -> int) : return IntStream
• mapToDouble(T -> double) : return DoubleStream
• mapToLong(T -> long) : return LongStream

【示例】使用 mapToInt() 求用戶列表中年齡的最大值、最小值、總和、平均值。

1.  
   /**
2.  
   * 使用 mapToInt() 方法
3.  
   * @author pan_junbiao
4.  
   */
5.  
   @Test
6.  
   public void mapToIntTest()
7.  
   {
8.  
   //獲取用戶列表
9.  
   List<User> userList = UserService.getUserList();
10.  
     
11.  
    //用戶列表中年齡的最大值、最小值、總和、平均值
12.  
    int maxVal = userList.stream().mapToInt(User::getAge).max().getAsInt();
13.  
    int minVal = userList.stream().mapToInt(User::getAge).min().getAsInt();
14.  
    int sumVal = userList.stream().mapToInt(User::getAge).sum();
15.  
    double aveVal = userList.stream().mapToInt(User::getAge).average().getAsDouble();
16.  
     
17.  
    //打印結果
18.  
    System.out.println( "最大年齡：" + maxVal);
19.  
    System.out.println( "最小年齡：" + minVal);
20.  
    System.out.println( "年齡總和：" + sumVal);
21.  
    System.out.println( "平均年齡：" + aveVal);
22.  
    }

執行結果：

 

3.3 counting() 和 count()

使用 counting() 和 count() 可以對列表數據進行統計。

【示例】使用 count() 統計用戶列表信息。

1.  
   /**
2.  
   * 使用 counting() 或 count() 統計
3.  
   * @author pan_junbiao
4.  
   */
5.  
   @Test
6.  
   public void countTest()
7.  
   {
8.  
   //獲取用戶列表
9.  
   List<User> userList = UserService.getUserList();
10.  
     
11.  
    //統計研發部的人數，使用 counting()方法進行統計
12.  
    Long departCount = userList.stream().filter(user -> user.getDepartment() == "研發部").collect(Collectors.counting());
13.  
     
14.  
    //統計30歲以上的人數，使用 count()方法進行統計（推薦）
15.  
    Long ageCount = userList.stream().filter(user -> user.getAge() >= 30).count();
16.  
     
17.  
    //統計薪資大於1500元的人數
18.  
    Long salaryCount = userList.stream().filter(user -> user.getSalary().compareTo(BigDecimal.valueOf( 1500)) == 1).count();
19.  
     
20.  
    //打印結果
21.  
    System.out.println( "研發部的人數：" + departCount + "人");
22.  
    System.out.println( "30歲以上的人數：" + ageCount + "人");
23.  
    System.out.println( "薪資大於1500元的人數：" + salaryCount + "人");
24.  
    }

執行結果：

 

3.4 summingInt()、summingLong()、summingDouble()

用於計算總和，需要一個函數參數。

1.  
   //計算年齡總和
2.  
   int sumAge = userList.stream().collect(Collectors.summingInt(User::getAge));

 

3.5 averagingInt()、averagingLong()、averagingDouble()

用於計算平均值。

1.  
   //計算平均年齡
2.  
   double aveAge = userList.stream().collect(Collectors.averagingDouble(User::getAge));

 

3.6 summarizingInt()、summarizingLong()、summarizingDouble()

這三個方法比較特殊，比如 summarizingInt 會返回 IntSummaryStatistics 類型。

IntSummaryStatistics類提供了用於計算的平均值、總數、最大值、最小值、總和等方法，方法如下圖：

【示例】使用 IntSummaryStatistics 統計：最大值、最小值、總和、平均值、總數。

1.  
   /**
2.  
   * 使用 summarizingInt 統計
3.  
   * @author pan_junbiao
4.  
   */
5.  
   @Test
6.  
   public void summarizingIntTest()
7.  
   {
8.  
   //獲取用戶列表
9.  
   List<User> userList = UserService.getUserList();
10.  
     
11.  
    //獲取IntSummaryStatistics對象
12.  
    IntSummaryStatistics ageStatistics = userList.stream().collect(Collectors.summarizingInt(User::getAge));
13.  
     
14.  
    //統計：最大值、最小值、總和、平均值、總數
15.  
    System.out.println( "最大年齡：" + ageStatistics.getMax());
16.  
    System.out.println( "最小年齡：" + ageStatistics.getMin());
17.  
    System.out.println( "年齡總和：" + ageStatistics.getSum());
18.  
    System.out.println( "平均年齡：" + ageStatistics.getAverage());
19.  
    System.out.println( "員工總數：" + ageStatistics.getCount());
20.  
    }

執行結果：

 

3.7 BigDecimal類型的統計

對於資金相關的字段，通常會使用BigDecimal數據類型。

【示例】統計用戶薪資信息。

1.  
   /**
2.  
   * BigDecimal類型的統計
3.  
   * @author pan_junbiao
4.  
   */
5.  
   @Test
6.  
   public void BigDecimalTest()
7.  
   {
8.  
   //獲取用戶列表
9.  
   List<User> userList = UserService.getUserList();
10.  
     
11.  
    //最高薪資
12.  
    BigDecimal maxSalary = userList.stream().map(User::getSalary).max((x1, x2) -> x1.compareTo(x2)).get();
13.  
     
14.  
    //最低薪資
15.  
    BigDecimal minSalary = userList.stream().map(User::getSalary).min((x1, x2) -> x1.compareTo(x2)).get();
16.  
     
17.  
    //薪資總和
18.  
    BigDecimal sumSalary = userList.stream().map(User::getSalary).reduce(BigDecimal.ZERO, BigDecimal::add);
19.  
     
20.  
    //平均薪資
21.  
    BigDecimal avgSalary = userList.stream().map(User::getSalary).reduce(BigDecimal.ZERO, BigDecimal::add).divide(BigDecimal.valueOf(userList.size()), 2, BigDecimal.ROUND_HALF_UP);
22.  
     
23.  
    //打印統計結果
24.  
    System.out.println( "最高薪資：" + maxSalary + "元");
25.  
    System.out.println( "最低薪資：" + minSalary + "元");
26.  
    System.out.println( "薪資總和：" + sumSalary + "元");
27.  
    System.out.println( "平均薪資：" + avgSalary + "元");
28.  
    }

執行結果：

 

 4、排序方法

4.1 sorted() / sorted((T, T) -> int)

如果流中的元素的類實現了 Comparable 接口，即有自己的排序規則，那么可以直接調用 sorted() 方法對元素進行排序，如 Stream。反之, 需要調用 sorted((T, T) -> int) 實現 Comparator 接口。

【示例】根據用戶年齡進行排序。

1.  
   /**
2.  
   * 使用 sorted() 排序
3.  
   * @author pan_junbiao
4.  
   */
5.  
   @Test
6.  
   public void sortedTest()
7.  
   {
8.  
   //獲取用戶列表
9.  
   List<User> userList = UserService.getUserList();
10.  
     
11.  
    //根據年齡排序（升序）
12.  
    userList = userList.stream().sorted((u1, u2) -> u1.getAge() - u2.getAge()).collect(Collectors.toList());
13.  
    //推薦：userList = userList.stream().sorted(Comparator.comparingInt(User::getAge)).collect(Collectors.toList());
14.  
    //降序：userList = userList.stream().sorted(Comparator.comparingInt(User::getAge).reversed()).collect(Collectors.toList());
15.  
     
16.  
    //遍歷用戶列表
17.  
    userList.forEach(System.out::println);
18.  
    }

推薦使用如下寫法：

1.  
   //升序
2.  
   userList = userList.stream().sorted(Comparator.comparingInt(User::getAge)).collect(Collectors.toList());
3.  
    
4.  
   //降序
5.  
   userList = userList.stream().sorted(Comparator.comparingInt(User::getAge).reversed()).collect(Collectors.toList());

執行結果：

 

5、分組方法

5.1 groupingBy

使用 groupingBy() 將數據進行分組，最終返回一個 Map 類型。

【示例】根據部門對用戶列表進行分組。

1.  
   /**
2.  
   * 使用 groupingBy() 分組
3.  
   * @author pan_junbiao
4.  
   */
5.  
   @Test
6.  
   public void groupingByTest()
7.  
   {
8.  
   //獲取用戶列表
9.  
   List<User> userList = UserService.getUserList();
10.  
     
11.  
    //根據部門對用戶列表進行分組
12.  
    Map<String,List<User>> userMap = userList.stream().collect(Collectors.groupingBy(User::getDepartment));
13.  
     
14.  
    //遍歷分組后的結果
15.  
    userMap.forEach((key, value) -> {
16.  
    System.out.println(key + "：");
17.  
    value.forEach(System.out::println);
18.  
    System.out.println( "--------------------------------------------------------------------------");
19.  
    });
20.  
    }

執行結果：

5.2 多級分組

groupingBy 可以接受一個第二參數實現多級分組。

【示例】根據部門和性別對用戶列表進行分組。

1.  
   /**
2.  
   * 使用 groupingBy() 多級分組
3.  
   * @author pan_junbiao
4.  
   */
5.  
   @Test
6.  
   public void multGroupingByTest()
7.  
   {
8.  
   //獲取用戶列表
9.  
   List<User> userList = UserService.getUserList();
10.  
     
11.  
    //根據部門和性別對用戶列表進行分組
12.  
    Map<String,Map<String,List<User>>> userMap = userList.stream()
13.  
    .collect(Collectors.groupingBy(User::getDepartment,Collectors.groupingBy(User::getSex)));
14.  
     
15.  
    //遍歷分組后的結果
16.  
    userMap.forEach((key1, map) -> {
17.  
    System.out.println(key1 + "：");
18.  
    map.forEach((key2,user)->
19.  
    {
20.  
    System.out.println(key2 + "：");
21.  
    user.forEach(System.out::println);
22.  
    });
23.  
    System.out.println( "--------------------------------------------------------------------------");
24.  
    });
25.  
    }

執行結果：

5.3 分組匯總

【示例】根據部門進行分組，匯總各個部門用戶的平均年齡。

1.  
   /**
2.  
   * 使用 groupingBy() 分組匯總
3.  
   * @author pan_junbiao
4.  
   */
5.  
   @Test
6.  
   public void groupCollectTest()
7.  
   {
8.  
   //獲取用戶列表
9.  
   List<User> userList = UserService.getUserList();
10.  
     
11.  
    //根據部門進行分組，匯總各個部門用戶的平均年齡
12.  
    Map<String, Double> userMap = userList.stream().collect(Collectors.groupingBy(User::getDepartment, Collectors.averagingInt(User::getAge)));
13.  
     
14.  
    //遍歷分組后的結果
15.  
    userMap.forEach((key, value) -> {
16.  
    System.out.println(key + "的平均年齡：" + value);
17.  
    });
18.  
    }

執行結果：