Java8特性Stream流对List列表实现查询、统计、排序、分组

素颜马尾好姑娘i 2023-10-09 16:13 28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User类作为持久层。

import lombok.AllArgsConstructor;
    import lombok.Data;
    import lombok.NoArgsConstructor;
     
    import java.math.BigDecimal;
     
    @Data
    @AllArgsConstructor
    @NoArgsConstructor
    public class User {
        int id;
        String name;
        String sex;
        int age;
        String Department;
        BigDecimal Salary;
     
    }

创建UserService.class（用户信息业务逻辑类）。

package com.wsq;
     
    import com.wsq.pojo.User;
    import java.math.BigDecimal;
    import java.util.ArrayList;
    import java.util.List;
     
    /*
     * 用户信息业务逻辑类
     * @author wsq
     */
    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, "wsq的博客_01", "男", 32, "研发部", BigDecimal.valueOf(1600)));
            userList.add(new User(2, "wsq的博客_02", "男", 30, "财务部", BigDecimal.valueOf(1800)));
            userList.add(new User(3, "wsq的博客_03", "女", 20, "人事部", BigDecimal.valueOf(1700)));
            userList.add(new User(4, "wsq的博客_04", "男", 38, "研发部", BigDecimal.valueOf(1500)));
            userList.add(new User(5, "wsq的博客_05", "女", 25, "财务部", BigDecimal.valueOf(1200)));
            return userList;
        }
    }

一、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 wsq
     */
    @Test
    public void forEachTest(){
        //获取用户列表
        List<User> userList = UserService.getUserList();
     
        //遍历用户列表
        System.out.println("---------------输出方法一-----------------");
        userList.forEach(user -> {System.out.println(user);});
        System.out.println("---------------输出方法二-----------------");
        userList.forEach(System.out::println);
    }

控制台输出：

![6b3f445988654f209205a526d8b7973c.png][]

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 wsq
     */
    @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);
    }

控制台输出：

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“wsq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 wsq
     */
    @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("wsq的博客_02")).findAny().orElse(null);
     
        //打印用户信息
        System.out.println(user);
    }

控制台输出：

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("wsq")).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 wsq
     */
    @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);
    }

控制台输出：

![204d06ace4ed4238aefedea44b32c9b3.png][]

【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 wsq
     */
    @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);
    }

控制台输出：

![75126959aa924e8d801ff2d3b103da8d.png][]

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 wsq
     */
    @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);
    }

控制台输出：

![e1c8b491cecb4c4cbd4ee6af5f996dc1.png][]

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 wsq
     */
    @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);
    }

控制台输出：

![79c7630c096c44608a14db435113421a.png][]

二、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 wsq
     */
    @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);
    }

控制台输出：

![136d4d7bc1bc450b83d73710546ca142.png][]

三、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 wsq
     */
    @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);
    }

控制台输出：

![ef93b2132cb74612b02741f1913407cf.png][]

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 wsq
     */
    @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);
    }

控制台输出：

![3e313c741e764fb8b130dcb5ebe2611b.png][]

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 wsq
     */
    @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");
    }

控制台输出：

![83bfbc72d1c24b23bef038bccc395acb.png][]

3.4 summingInt()、summingLong()、summingDouble()  
用于计算总和，需要一个函数参数。

/*
     * 使用 summingInt()、summingLong()、summingDouble()
     * @author wsq
     */
    @Test
    public void sumTest(){
        //获取用户列表
        List<User> userList = UserService.getUserList();
     
        //计算年龄总和
        int sumAge = userList.stream().collect(Collectors.summingInt(User::getAge));
     
        //打印结果
        System.out.println("年龄总和：" + sumAge);
    }

控制台输出：

![cfdfc593b05e47a7b1c68f3150feb065.png][]

3.5 averagingInt()、averagingLong()、averagingDouble()  
用于计算平均值。

/*
     * 使用 summingInt()、summingLong()、summingDouble()
     * @author wsq
     */
    @Test
    public void sumTest(){
        //获取用户列表
        List<User> userList = UserService.getUserList();
     
        //计算平均年龄
        double aveAge = userList.stream().collect(Collectors.averagingDouble(User::getAge));
     
        //打印结果
        System.out.println("平均年龄：" + aveAge);
    }

控制台输出：

![efde33da8b37494580da897a6fa28206.png][]

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：

![edf653a0d7594f17a3219da8830ac9b3.png][]

【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 wsq
     */
    @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());
    }

控制台输出：![99536e2ea0fd40afa2c8a25cbf4c5c04.png][]

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 wsq
     */
    @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");
    }

控制台输出：![0cec3b1b5e8048a2aeea06fb2ea7ddac.png][]

四、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 wsq
     */
    @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);
    }

控制台输出：![2337fbaa95094e2489818cd3f826dfb2.png][]

五、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 wsq
     */
    @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("---------------------------------------------");
        });
    }

控制台输出：![a8d6679f1f0e49a3b99e03918868e584.png][]

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 wsq
     */
    @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("-------------------------------------------------------");
        });
    }

控制台输出：

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 wsq
     */
    @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);
        });
    }

控制台输出：

[6b3f445988654f209205a526d8b7973c.png]: https://img-blog.csdnimg.cn/6b3f445988654f209205a526d8b7973c.png
[204d06ace4ed4238aefedea44b32c9b3.png]: https://img-blog.csdnimg.cn/204d06ace4ed4238aefedea44b32c9b3.png
[75126959aa924e8d801ff2d3b103da8d.png]: https://img-blog.csdnimg.cn/75126959aa924e8d801ff2d3b103da8d.png
[e1c8b491cecb4c4cbd4ee6af5f996dc1.png]: https://img-blog.csdnimg.cn/e1c8b491cecb4c4cbd4ee6af5f996dc1.png
[79c7630c096c44608a14db435113421a.png]: https://img-blog.csdnimg.cn/79c7630c096c44608a14db435113421a.png
[136d4d7bc1bc450b83d73710546ca142.png]: https://img-blog.csdnimg.cn/136d4d7bc1bc450b83d73710546ca142.png
[ef93b2132cb74612b02741f1913407cf.png]: https://img-blog.csdnimg.cn/ef93b2132cb74612b02741f1913407cf.png
[3e313c741e764fb8b130dcb5ebe2611b.png]: https://img-blog.csdnimg.cn/3e313c741e764fb8b130dcb5ebe2611b.png
[83bfbc72d1c24b23bef038bccc395acb.png]: https://img-blog.csdnimg.cn/83bfbc72d1c24b23bef038bccc395acb.png
[cfdfc593b05e47a7b1c68f3150feb065.png]: https://img-blog.csdnimg.cn/cfdfc593b05e47a7b1c68f3150feb065.png
[efde33da8b37494580da897a6fa28206.png]: https://img-blog.csdnimg.cn/efde33da8b37494580da897a6fa28206.png
[edf653a0d7594f17a3219da8830ac9b3.png]: https://img-blog.csdnimg.cn/edf653a0d7594f17a3219da8830ac9b3.png
[99536e2ea0fd40afa2c8a25cbf4c5c04.png]: https://img-blog.csdnimg.cn/99536e2ea0fd40afa2c8a25cbf4c5c04.png
[0cec3b1b5e8048a2aeea06fb2ea7ddac.png]: https://img-blog.csdnimg.cn/0cec3b1b5e8048a2aeea06fb2ea7ddac.png
[2337fbaa95094e2489818cd3f826dfb2.png]: https://img-blog.csdnimg.cn/2337fbaa95094e2489818cd3f826dfb2.png
[a8d6679f1f0e49a3b99e03918868e584.png]: https://img-blog.csdnimg.cn/a8d6679f1f0e49a3b99e03918868e584.png