Java8使用Stream流实现List列表的查询、统计、排序、分组

叁歲伎倆 2021-07-24 22:38 861阅读 0赞

Java8提供了Stream（流）处理集合的关键抽象概念，它可以对集合进行的操作，可以执行非常复杂的查找、过滤和映射数据等操作。Stream API 借助于同样新出现的Lambda表达式，极大的提高编程效率和程序可读性。

下面是使用Stream的常用方法的综合实例。

创建UserService.class（用户信息业务逻辑类）。

import com.pjb.streamdemo.entity.User;
    import java.math.BigDecimal;
    import java.util.ArrayList;
    import java.util.List;
     
    /**
     * 用户信息业务逻辑类
     * @author pan_junbiao
     **/
    public class UserService
    {
        /**
         * 获取用户列表
         */
        public static List<User> getUserList()
        {
            List<User> userList = new ArrayList<User>();
            userList.add(new User(1, "pan_junbiao的博客_01", "男", 32, "研发部", BigDecimal.valueOf(1600)));
            userList.add(new User(2, "pan_junbiao的博客_02", "男", 30, "财务部", BigDecimal.valueOf(1800)));
            userList.add(new User(3, "pan_junbiao的博客_03", "女", 20, "人事部", BigDecimal.valueOf(1700)));
            userList.add(new User(4, "pan_junbiao的博客_04", "男", 38, "研发部", BigDecimal.valueOf(1500)));
            userList.add(new User(5, "pan_junbiao的博客_05", "女", 25, "财务部", BigDecimal.valueOf(1200)));
            return userList;
        }
    }

# 1、查询方法 #

## 1.1 forEach() ##

使用 forEach() 遍历列表数据。

/**
     * 使用forEach()遍历列表信息
     * @author pan_junbiao
     */
    @Test
    public void forEachTest()
    {
        //获取用户列表
        List<User> userList = UserService.getUserList();
    
        //遍历用户列表
        userList.forEach(System.out::println);
    }

上述遍历语句等同于以下语句：

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

**执行结果：**

![20200504104748574.jpg][]

## 1.2 filter(T -> boolean) ##

使用 filter() 过滤列表数据。

**【示例】**获取部门为“研发部”的用户列表。

/**
     * 使用filter()过滤列表信息
     * @author pan_junbiao
     */
    @Test
    public void filterTest()
    {
        //获取用户列表
        List<User> userList = UserService.getUserList();
    
        //获取部门为“研发部”的用户列表
        userList = userList.stream().filter(user -> user.getDepartment() == "研发部").collect(Collectors.toList());
    
        //遍历用户列表
        userList.forEach(System.out::println);
    }

**执行结果：**

![20200504110026238.jpg][]

## 1.3 findAny() 和 findFirst() ##

使用 findAny() 和 findFirst() 获取第一条数据。

**【示例】**获取用户名称为“pan\_junbiao的博客\_02”的用户信息，如果未找到则返回null。

/**
     * 使用findAny()获取第一条数据
     * @author pan_junbiao
     */
    @Test
    public void findAnytTest()
    {
        //获取用户列表
        List<User> userList = UserService.getUserList();
    
        //获取用户名称为“pan_junbiao的博客_02”的用户信息，如果没有找到则返回null
        User user = userList.stream().filter(u -> u.getName().equals("pan_junbiao的博客_02")).findAny().orElse(null);
    
        //打印用户信息
        System.out.println(user);
    }

**执行结果：**

![2020050415130663.jpg][]

**注意：**findFirst() 和 findAny() 都是获取列表中的第一条数据，但是findAny()操作，返回的元素是不确定的，对于同一个列表多次调用findAny()有可能会返回不同的值。使用findAny()是为了更高效的性能。如果是数据较少，串行地情况下，一般会返回第一个结果，如果是并行（parallelStream并行流）的情况，那就不能确保是第一个。

**例如：**使用parallelStream并行流，findAny() 返回的就不一定是第一条数据。

//parallelStream方法能生成并行流，使用findAny返回的不一定是第一条数据
    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() 将流中的每一个元素 T 映射为 R（类似类型转换）。

使用 flatMap() 将流中的每一个元素 T 映射为一个流，再把每一个流连接成为一个流。

**【示例】**使用 map() 方法获取用户列表中的名称列。

/**
     * 使用map()获取列元素
     * @author pan_junbiao
     */
    @Test
    public void mapTest()
    {
        //获取用户列表
        List<User> userList = UserService.getUserList();
    
        //获取用户名称列表
        List<String> nameList = userList.stream().map(User::getName).collect(Collectors.toList());
        //或者：List<String> nameList = userList.stream().map(user -> user.getName()).collect(Collectors.toList());
    
        //遍历名称列表
        nameList.forEach(System.out::println);
    }

返回的结果为数组类型，写法如下：

//数组类型
    String[] nameArray = userList.stream().map(User::getName).collect(Collectors.toList()).toArray(new String[userList.size()]);

**执行结果：**

![20200504155506790.jpg][]

**【示例】**使用 flatMap() 将流中的每一个元素连接成为一个流。

/**
     * 使用flatMap()将流中的每一个元素连接成为一个流
     * @author pan_junbiao
     */
    @Test
    public void flatMapTest()
    {
        //创建城市
        List<String> cityList = new ArrayList<String>();
        cityList.add("北京；上海；深圳；");
        cityList.add("广州；武汉；杭州；");
    
        //分隔城市列表，使用 flatMap() 将流中的每一个元素连接成为一个流。
        cityList = cityList.stream()
                .map(city -> city.split("；"))
                .flatMap(Arrays::stream)
                .collect(Collectors.toList());
    
        //遍历城市列表
        cityList.forEach(System.out::println);
    }

**执行结果：**

![20200504170405993.jpg][]

## 1.5 distinct() ##

使用 distinct() 方法可以去除重复的数据。

**【示例】**获取部门列表，并去除重复数据。

/**
     * 使用distinct()去除重复数据
     * @author pan_junbiao
     */
    @Test
    public void distinctTest()
    {
        //获取用户列表
        List<User> userList = UserService.getUserList();
    
        //获取部门列表，并去除重复数据
        List<String> departmentList = userList.stream().map(User::getDepartment).distinct().collect(Collectors.toList());
    
        //遍历部门列表
        departmentList.forEach(System.out::println);
    }

**执行结果：**

![20200504160749971.jpg][]

## 1.6 limit(long n) 和 skip(long n) ##

limit(long n) 方法用于返回前n条数据，skip(long n) 方法用于跳过前n条数据。

**【示例】**获取用户列表，要求跳过第1条数据后的前3条数据。

/**
     * limit(long n)方法用于返回前n条数据
     * skip(long n)方法用于跳过前n条数据
     * @author pan_junbiao
     */
    @Test
    public void limitAndSkipTest()
    {
        //获取用户列表
        List<User> userList = UserService.getUserList();
    
        //获取用户列表，要求跳过第1条数据后的前3条数据
        userList = userList.stream()
                .skip(1)
                .limit(3)
                .collect(Collectors.toList());
    
        //遍历用户列表
        userList.forEach(System.out::println);
    }

**执行结果：**

![20200504162052861.jpg][]

# 2、判断方法 #

## 2.1 anyMatch(T -> boolean) ##

使用 anyMatch(T -> boolean) 判断流中是否有一个元素匹配给定的 `T -> boolean` 条件。

## 2.2 allMatch(T -> boolean) ##

使用 allMatch(T -> boolean) 判断流中是否所有元素都匹配给定的 `T -> boolean` 条件。

## 2.3 noneMatch(T -> boolean) ##

使用 noneMatch(T -> boolean) 流中是否没有元素匹配给定的 `T -> boolean` 条件。

**【示例】**使用 anyMatch()、allMatch()、noneMatch() 进行判断。

/**
     * 使用 anyMatch()、allMatch()、noneMatch() 进行判断
     * @author pan_junbiao
     */
    @Test
    public void matchTest()
    {
        //获取用户列表
        List<User> userList = UserService.getUserList();
    
        //判断用户列表中是否存在名称为“pan_junbiao的博客_01”的数据
        boolean result1 = userList.stream().anyMatch(user -> user.getName().equals("pan_junbiao的博客_01"));
    
        //判断用户名称是否都包含“pan_junbiao的博客”字段
        boolean result2 = userList.stream().allMatch(user -> user.getName().contains("pan_junbiao的博客"));
    
        //判断用户名称是否存在不包含“pan_junbiao的博客”字段
        boolean result3 = userList.stream().noneMatch(user -> user.getName().contains("pan_junbiao的博客"));
    
        //打印结果
        System.out.println(result1);
        System.out.println(result2);
        System.out.println(result3);
    }

**执行结果：**

![20200504172435830.jpg][]

# 3、统计方法 #

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

使用 reduce((T, T) -> T) 和 reduce(T, (T, T) -> T) 用于组合流中的元素，如求和，求积，求最大值等。

**【示例】**使用 reduce() 求用户列表中年龄的最大值、最小值、总和。

/**
     * 使用 reduce() 方法
     * @author pan_junbiao
     */
    @Test
    public void reduceTest()
    {
        //获取用户列表
        List<User> userList = UserService.getUserList();
    
        //用户列表中年龄的最大值、最小值、总和
        int maxVal = userList.stream().map(User::getAge).reduce(Integer::max).get();
        int minVal = userList.stream().map(User::getAge).reduce(Integer::min).get();
        int sumVal = userList.stream().map(User::getAge).reduce(0,Integer::sum);
        
        //打印结果
        System.out.println("最大年龄：" + maxVal);
        System.out.println("最小年龄：" + minVal);
        System.out.println("年龄总和：" + sumVal);
    }

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

int sumVal = userList.stream().map(User::getAge).reduce(0,Integer::sum)；计算元素总和的方法其中暗含了装箱成本，map(User::getAge) 方法过后流变成了 Stream 类型，而每个 Integer 都要拆箱成一个原始类型再进行 sum 方法求和，这样大大影响了效率。针对这个问题 Java 8 有良心地引入了数值流 IntStream, DoubleStream, LongStream，这种流中的元素都是原始数据类型，分别是 int，double，long。

流转换为数值流：

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

**【示例】**使用 mapToInt() 求用户列表中年龄的最大值、最小值、总和、平均值。

/**
     * 使用 mapToInt() 方法
     * @author pan_junbiao
     */
    @Test
    public void mapToIntTest()
    {
        //获取用户列表
        List<User> userList = UserService.getUserList();
    
        //用户列表中年龄的最大值、最小值、总和、平均值
        int maxVal = userList.stream().mapToInt(User::getAge).max().getAsInt();
        int minVal = userList.stream().mapToInt(User::getAge).min().getAsInt();
        int sumVal = userList.stream().mapToInt(User::getAge).sum();
        double aveVal =  userList.stream().mapToInt(User::getAge).average().getAsDouble();
    
        //打印结果
        System.out.println("最大年龄：" + maxVal);
        System.out.println("最小年龄：" + minVal);
        System.out.println("年龄总和：" + sumVal);
        System.out.println("平均年龄：" + aveVal);
    }

**执行结果：**

![20200505100729657.jpg][]

## 3.3 counting() 和 count() ##

使用 counting() 和 count() 可以对列表数据进行统计。

**【示例】**使用 count() 统计用户列表信息。

/**
     * 使用 counting() 或 count() 统计
     * @author pan_junbiao
     */
    @Test
    public void countTest()
    {
        //获取用户列表
        List<User> userList = UserService.getUserList();
    
        //统计研发部的人数，使用 counting()方法进行统计
        Long departCount = userList.stream().filter(user -> user.getDepartment() == "研发部").collect(Collectors.counting());
    
        //统计30岁以上的人数，使用 count()方法进行统计（推荐）
        Long ageCount = userList.stream().filter(user -> user.getAge() >= 30).count();
    
        //统计薪资大于1500元的人数
        Long salaryCount = userList.stream().filter(user -> user.getSalary().compareTo(BigDecimal.valueOf(1500)) == 1).count();
    
        //打印结果
        System.out.println("研发部的人数：" + departCount + "人");
        System.out.println("30岁以上的人数：" + ageCount + "人");
        System.out.println("薪资大于1500元的人数：" + salaryCount + "人");
    }

**执行结果：**

![20200505102902455.jpg][]

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

用于计算总和，需要一个函数参数。

//计算年龄总和
    int sumAge = userList.stream().collect(Collectors.summingInt(User::getAge));

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

用于计算平均值。

//计算平均年龄
    double aveAge = userList.stream().collect(Collectors.averagingDouble(User::getAge));

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

这三个方法比较特殊，比如 summarizingInt 会返回 IntSummaryStatistics 类型。

IntSummaryStatistics类提供了用于计算的平均值、总数、最大值、最小值、总和等方法，方法如下图：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3Bhbl9qdW5iaWFv_size_16_color_FFFFFF_t_70][]

**【示例】**使用 IntSummaryStatistics 统计：最大值、最小值、总和、平均值、总数。

/**
     * 使用 summarizingInt 统计
     * @author pan_junbiao
     */
    @Test
    public void summarizingIntTest()
    {
        //获取用户列表
        List<User> userList = UserService.getUserList();
    
        //获取IntSummaryStatistics对象
        IntSummaryStatistics ageStatistics = userList.stream().collect(Collectors.summarizingInt(User::getAge));
    
        //统计：最大值、最小值、总和、平均值、总数
        System.out.println("最大年龄：" + ageStatistics.getMax());
        System.out.println("最小年龄：" + ageStatistics.getMin());
        System.out.println("年龄总和：" + ageStatistics.getSum());
        System.out.println("平均年龄：" + ageStatistics.getAverage());
        System.out.println("员工总数：" + ageStatistics.getCount());
    }

**执行结果：**

**![20200505161259698.jpg][]**

## 3.7 BigDecimal类型的统计 ##

对于资金相关的字段，通常会使用BigDecimal数据类型。

**【示例】**统计用户薪资信息。

/**
     * BigDecimal类型的统计
     * @author pan_junbiao
     */
    @Test
    public void BigDecimalTest()
    {
        //获取用户列表
        List<User> userList = UserService.getUserList();
    
        //最高薪资
        BigDecimal maxSalary = userList.stream().map(User::getSalary).max((x1, x2) -> x1.compareTo(x2)).get();
    
        //最低薪资
        BigDecimal minSalary = userList.stream().map(User::getSalary).min((x1, x2) -> x1.compareTo(x2)).get();
    
        //薪资总和
        BigDecimal sumSalary = userList.stream().map(User::getSalary).reduce(BigDecimal.ZERO, BigDecimal::add);
    
        //平均薪资
        BigDecimal avgSalary = userList.stream().map(User::getSalary).reduce(BigDecimal.ZERO, BigDecimal::add).divide(BigDecimal.valueOf(userList.size()), 2, BigDecimal.ROUND_HALF_UP);
    
        //打印统计结果
        System.out.println("最高薪资：" + maxSalary + "元");
        System.out.println("最低薪资：" + minSalary + "元");
        System.out.println("薪资总和：" + sumSalary + "元");
        System.out.println("平均薪资：" + avgSalary + "元");
    }

**执行结果：**

![20200518172152709.jpg][]

#  4、排序方法 #

## 4.1 sorted() / sorted((T, T) -> int) ##

如果流中的元素的类实现了 Comparable 接口，即有自己的排序规则，那么可以直接调用 sorted() 方法对元素进行排序，如 Stream。反之, 需要调用 sorted((T, T) -> int) 实现 Comparator 接口。

**【示例】**根据用户年龄进行排序。

/**
     * 使用 sorted() 排序
     * @author pan_junbiao
     */
    @Test
    public void sortedTest()
    {
        //获取用户列表
        List<User> userList = UserService.getUserList();
    
        //根据年龄排序（升序）
        userList = userList.stream().sorted((u1, u2) -> u1.getAge() - u2.getAge()).collect(Collectors.toList());
        //推荐：userList = userList.stream().sorted(Comparator.comparingInt(User::getAge)).collect(Collectors.toList());
        //降序：userList = userList.stream().sorted(Comparator.comparingInt(User::getAge).reversed()).collect(Collectors.toList());
    
        //遍历用户列表
        userList.forEach(System.out::println);
    }

推荐使用如下写法：

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

**执行结果：**

![20200505111255170.jpg][]

# 5、分组方法 #

## 5.1 groupingBy ##

使用 groupingBy() 将数据进行分组，最终返回一个 Map 类型。

**【示例】**根据部门对用户列表进行分组。

/**
     * 使用 groupingBy() 分组
     * @author pan_junbiao
     */
    @Test
    public void groupingByTest()
    {
        //获取用户列表
        List<User> userList = UserService.getUserList();
    
        //根据部门对用户列表进行分组
        Map<String,List<User>> userMap = userList.stream().collect(Collectors.groupingBy(User::getDepartment));
    
        //遍历分组后的结果
        userMap.forEach((key, value) -> {
            System.out.println(key + "：");
            value.forEach(System.out::println);
            System.out.println("--------------------------------------------------------------------------");
        });
    }

**执行结果：**

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3Bhbl9qdW5iaWFv_size_16_color_FFFFFF_t_70 1][]

## 5.2 多级分组 ##

groupingBy 可以接受一个第二参数实现多级分组。

**【示例】**根据部门和性别对用户列表进行分组。

/**
     * 使用 groupingBy() 多级分组
     * @author pan_junbiao
     */
    @Test
    public void multGroupingByTest()
    {
        //获取用户列表
        List<User> userList = UserService.getUserList();
    
        //根据部门和性别对用户列表进行分组
        Map<String,Map<String,List<User>>> userMap = userList.stream()
                .collect(Collectors.groupingBy(User::getDepartment,Collectors.groupingBy(User::getSex)));
    
        //遍历分组后的结果
        userMap.forEach((key1, map) -> {
            System.out.println(key1 + "：");
            map.forEach((key2,user)->
            {
                System.out.println(key2 + "：");
                user.forEach(System.out::println);
            });
            System.out.println("--------------------------------------------------------------------------");
        });
    }

**执行结果：**

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3Bhbl9qdW5iaWFv_size_16_color_FFFFFF_t_70 2][]

## 5.3 分组汇总 ##

**【示例】**根据部门进行分组，汇总各个部门用户的平均年龄。

/**
     * 使用 groupingBy() 分组汇总
     * @author pan_junbiao
     */
    @Test
    public void groupCollectTest()
    {
        //获取用户列表
        List<User> userList = UserService.getUserList();
    
        //根据部门进行分组，汇总各个部门用户的平均年龄
        Map<String, Double> userMap = userList.stream().collect(Collectors.groupingBy(User::getDepartment, Collectors.averagingInt(User::getAge)));
    
        //遍历分组后的结果
        userMap.forEach((key, value) -> {
            System.out.println(key + "的平均年龄：" + value);
        });
    }

**执行结果：**

![2020050515030340.jpg][]

[20200504104748574.jpg]: /images/20210724/87596cbab14449a9a8eff5fe9700bb1a.png
[20200504110026238.jpg]: /images/20210724/f170f3ffbbb2472ba690e7b7b4159d57.png
[2020050415130663.jpg]: /images/20210724/0fbe3ea2fa22406fac2603ef79e9bb5c.png
[20200504155506790.jpg]: /images/20210724/ab5b5a61a0d54ab182446c688795667d.png
[20200504170405993.jpg]: /images/20210724/c15d9b888f10483488cbce9e447620f7.png
[20200504160749971.jpg]: /images/20210724/83082bfe51d84b97917445d9f09f0a7f.png
[20200504162052861.jpg]: /images/20210724/f06916aaa5ca4925aee53f8801acf092.png
[20200504172435830.jpg]: /images/20210724/1f0e3c2f2076476cb9bfe223137eefd6.png
[20200505100729657.jpg]: /images/20210724/97a9b585ca3543a092b933c51ffb4e86.png
[20200505102902455.jpg]: /images/20210724/73e399997a494687ae8a5cad95103556.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3Bhbl9qdW5iaWFv_size_16_color_FFFFFF_t_70]: /images/20210724/0cfe7614a1aa48ababc71b9694fa6c1f.png
[20200505161259698.jpg]: /images/20210724/57bb6823eeff4137a8c12fadefec4c91.png
[20200518172152709.jpg]: /images/20210724/d0cdf55864a448b8a8b1e8cdb06a4b90.png
[20200505111255170.jpg]: /images/20210724/eedc02cd4d3b4d8f9e748ea253641b8f.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3Bhbl9qdW5iaWFv_size_16_color_FFFFFF_t_70 1]: /images/20210724/6044fa71e436476d9b8fe961a0967d33.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3Bhbl9qdW5iaWFv_size_16_color_FFFFFF_t_70 2]: /images/20210724/39a8340a60454e94ab5db6e3d8377cc1.png
[2020050515030340.jpg]: /images/20210724/aff3041428ae4c06a7df70d494e7c3e5.png