Java 基础入门 | 第二十一章 Java stream操作

简介: 1、什么是stream流 stream,中文翻译是流的意思。那么是代码程序中的stream流呢?stream流是从支持数据处理操作的源生成的元素序列,源可以是数组、文件、集合、函数。stream流不是集合元素,它不是数据结构并不保

 1、什么是stream流

 stream,中文翻译是流的意思。那么是代码程序中的stream流呢?stream流是从支持数据处理操作的源生成的元素序列,源可以是数组、文件、集合、函数。stream流不是集合元素,它不是数据结构并不保存数据,它的主要目的在于计算。

   Java开发中经常会遇到不方便使用数据库但又要结构化数据计算的情况。在很长一段时间里,JAVA没有提供类库去处理这种情况,即使排序、分组这类基本计算都要开发者自己从底层开始硬编码,正常的业务逻辑就更难实现了。直到JAVA8推出了Stream类库,库外结构化数据计算的难题终于得以初步解决。

2、如何生成stream流

生成stream流的方式主要有一下五种

2.1、通过集合生成,应用中最常用的一种

List<Integer> integerList = Arrays.asList(1, 2, 3, 4, 5, 6);
Stream<Integer> stream = integerList.stream();

image.gif

2.2、通过数组生成

int[] intArr = {1, 2, 3, 4, 5, 6};
IntStream stream = Arrays.stream(intArr);

image.gif

通过Arrays.stream方法生成的stream流,并且该方法生成的流是数值流【即IntStream】而不是 Stream。补充一点使用数值流可以避免计算过程中拆箱装箱,提高性能。

值得回顾的是,stream以及IntStream、LongStream和DoubleStream 都是java.util.stream 包下的类,主要作用在于计算。而之前的java InputStream、OutputStream等都是java io包下的类,主要作用在于读取和写入。

Stream API提供了mapToInt、mapToDouble、mapToLong三种方式将对象流【即Stream 】转换成对应的数值流,同时提供了boxed方法将数值流转换为对象流.

2.3、通过值生成

Stream<Integer> stream = Stream.of(1, 2, 3, 4, 5, 6);

image.gif

通过Stream的of方法生成流,通过Stream的empty方法可以生成一个空流.

2.4、通过文件生成

Stream<String> lines = Files.lines(Paths.get("data.txt"), Charset.defaultCharset());

image.gif

通过Files.line方法得到一个流,并且得到的每个流是给定文件中的一行.

2.5、通过函数生成

iterator

Stream<Integer> stream = Stream.iterate(0, n -> n + 2).limit(5);

image.gif

iterate方法接受两个参数,第一个为初始化值,第二个为进行的函数操作,因为iterator生成的流为无限流,通过limit方法对流进行了截断,只生成5个偶数。

generator

Stream<Double> stream = Stream.generate(Math::random).limit(5);

image.gif

generate方法接受一个参数,方法参数类型为Supplier ,由它为流提供值。generate生成的流也是无限流,因此通过limit对流进行了截断。

3.流的使用

image.gif编辑

上图列出了stream主要流操作,我们可以看到,其实流操作可以类比我们的sql语句,如filter就类似于sql的where语句,我们就知道filter是对流进行过滤的,传入了一个Predicate断言接口,过滤掉断言为false的数据。相比一起的循环迭代,移除不符合的数据,是不是更加方便。下面我们来详细说说。

filter 筛选

通过使用filter方法进行条件筛选,filter的方法参数为一个条件(过滤保留函数返回值为 true 的元素)。

List<Integer> list= Arrays.asList(1, 2, 3, 4, 5, 6);
Stream<Integer> stream = list.stream().filter(i -> i > 3);

image.gif

如果元素是对象的话,过滤掉小于18岁的未成年用户

List<User> list= Arrays.asList(user1, user2, user3, user4, user5, user6);
Stream<User> stream = list.stream().filter(e -> e.getAge()>=18);
//流转化为list
list=stream.collect(Collectors.toList());

image.gif

map 映射

通过map函数,可以对流内的元素进行操作,下面是将user对象的集合转换 username 用户名的集合

List<User> list= Arrays.asList(user1, user2, user3, user4, user5, user6);
List<String> userNames=list.stream().map(User::getUsername).collect(Collectors.toList());

image.gif

distinct 去重

List<Integer> list= Arrays.asList(1, 1, 2, 3, 4, 5);
Stream<Integer> stream = list.stream().distinct();

image.gif

limit 返回指定流个数

List<Integer> list= Arrays.asList(1, 1, 2, 3, 4, 5,6);
Stream<Integer> stream = list.stream().limit(5);

image.gif

allMatch 匹配所有元素

List<Integer> list= Arrays.asList(1, 2, 3, 4, 5);
if (list.stream().allMatch(i -> i%2==0)) {
    System.out.println("所有元素值都是偶数");
} else {
    System.out.println("有元素值不是偶数");
}

image.gif

anyMatch匹配其中一个

List<Integer> list= Arrays.asList(1, 2, 3, 4, 5);
if (list.stream().anyMatch(i -> i%2==0)) {
  System.out.println("所有数据中有值是偶数");
} else {
   System.out.println("没有一个是偶数的");  
}

image.gif

noneMatch全部不匹配

List<Integer> list= Arrays.asList(1, 2, 3, 4, 5);
if (list.stream().noneMatch(i -> i%2==0)) {
  System.out.println("没有一个是偶数的");
} else {
   System.out.println("数据中有是偶数的");  
}

image.gif

count 统计流中元素个数

list集合中元素值大于3的个数

List<Integer> list= Arrays.asList(1, 2, 3, 4, 5);
Long num= list.stream().filter(i -> i > 3).count();

image.gif

findFirst 查找第一个

输出list集合中大于3的第一个元素

List<Integer> list= Arrays.asList(1, 2, 3, 4, 5);
Optional<Integer> result = list.stream().filter(i -> i > 3).findFirst();
//如果元素不存在输出-1
System.out.println(result.orElse(-1));

image.gif

findAny 随机查找一个

随机输出list集合中的元素

List<Integer> list= Arrays.asList(1, 2, 3, 4, 5);
Optional<Integer> result = list.stream().findAny();
System.out.println(result.get());

image.gif

reduce 归纳

求list中元素的值的总和

List<Integer> list= Arrays.asList(1, 2, 3, 4, 5);
int sum = list.stream().reduce(0, Integer::sum);

image.gif

求最小值和最大值

List<Integer> list= Arrays.asList(1, 2, 3, 4, 5);
Optional<Integer> min = list.stream().reduce(Integer::min);
Optional<Integer> max = list.stream().reduce(Integer::max);

image.gif

查找最后一个元素

Object last=list.stream().reduce((first, second) -> second).orElse(null);

image.gif

min和max 函数

List<Integer> list= Arrays.asList(1, 2, 3, 4, 5);
Optional<Integer> min = list.stream().min(Comparator.comparing(Integer::intValue));
Optional<Integer> max = list.stream().max(Comparator.comparing(Integer::intValue));

image.gif

Skip 函数

查询最后一个函数

Object last=list.stream().skip(list.size() - 1).findFirst().orElse(null);

image.gif

Stream流中的常用方法skip:用于跳过元素

如果希望跳过前几个元素,可以使用skip方法获取一个截取之后的新流

如果流的当前长度大于n,则跳过前n个,否则会得到一个长度为0的空流

averagingxxx 求平均值

求所有元素值的平均值

List<Integer> list= Arrays.asList(1, 2, 3, 4, 5);
double ave = list.stream().collect(Collectors.averagingInt(Integer::intValue));

image.gif

foreach 遍历

List<Integer> list= Arrays.asList(1, 2, 3, 4, 5);
list.stream().forEach(System.out::println);
//简写
list.forEach(System.out::println);

image.gif

joining 拼接流中的元素

将所有元素用-拼接起来

List<Integer> list= Arrays.asList(1, 2, 3, 4, 5);
String result = list.stream().map(i->i.toString()).collect(Collectors.joining("-"));

image.gif

groupingBy 分组

根据用户性别分组

List<User> list= Arrays.asList(user1, user2, user3, user4, user5);
Map<Integer, List<User>> map= list.stream().collect(Collectors.groupingBy(User::getSex));

image.gif

partitioningBy 分区

partitioningBy是分区,结果也是map,但只有两组,分区是特殊的分组,它分类依据是true和false,所以返回的结果最多可以分为两组。

下面是求list集合小于3和大于等于3的分组

List<Integer> list= Arrays.asList(1, 2, 3, 4, 5);
Map<Boolean, List<Integer>> result = list.stream().collect(partitioningBy(i -> i < 3));

image.gif


相关文章
|
15天前
|
Java 开发者 微服务
Spring Boot 入门:简化 Java Web 开发的强大工具
Spring Boot 是一个开源的 Java 基础框架,用于创建独立、生产级别的基于Spring框架的应用程序。它旨在简化Spring应用的初始搭建以及开发过程。
35 6
Spring Boot 入门:简化 Java Web 开发的强大工具
|
11天前
|
监控 架构师 Java
Java虚拟机调优的艺术:从入门到精通####
本文作为一篇深入浅出的技术指南,旨在为Java开发者揭示JVM调优的神秘面纱,通过剖析其背后的原理、分享实战经验与最佳实践,引领读者踏上从调优新手到高手的进阶之路。不同于传统的摘要概述,本文将以一场虚拟的对话形式,模拟一位经验丰富的架构师向初学者传授JVM调优的心法,激发学习兴趣,同时概括性地介绍文章将探讨的核心议题——性能监控、垃圾回收优化、内存管理及常见问题解决策略。 ####
|
16天前
|
存储 Java 数据挖掘
Java 8 新特性之 Stream API:函数式编程风格的数据处理范式
Java 8 引入的 Stream API 提供了一种新的数据处理方式,支持函数式编程风格,能够高效、简洁地处理集合数据,实现过滤、映射、聚合等操作。
33 5
|
16天前
|
Java API 开发者
Java中的Lambda表达式与Stream API的协同作用
在本文中,我们将探讨Java 8引入的Lambda表达式和Stream API如何改变我们处理集合和数组的方式。Lambda表达式提供了一种简洁的方法来表达代码块,而Stream API则允许我们对数据流进行高级操作,如过滤、映射和归约。通过结合使用这两种技术,我们可以以声明式的方式编写更简洁、更易于理解和维护的代码。本文将介绍Lambda表达式和Stream API的基本概念,并通过示例展示它们在实际项目中的应用。
|
7天前
|
Rust 安全 Java
Java Stream 使用指南
本文介绍了Java中Stream流的使用方法,包括如何创建Stream流、中间操作(如map、filter、sorted等)和终结操作(如collect、forEach等)。此外,还讲解了并行流的概念及其可能带来的线程安全问题,并给出了示例代码。
|
1月前
|
监控 安全 Java
Java中的多线程编程:从入门到实践####
本文将深入浅出地探讨Java多线程编程的核心概念、应用场景及实践技巧。不同于传统的摘要形式,本文将以一个简短的代码示例作为开篇,直接展示多线程的魅力,随后再详细解析其背后的原理与实现方式,旨在帮助读者快速理解并掌握Java多线程编程的基本技能。 ```java // 简单的多线程示例:创建两个线程,分别打印不同的消息 public class SimpleMultithreading { public static void main(String[] args) { Thread thread1 = new Thread(() -> System.out.prin
|
18天前
|
安全 Java API
Java中的Lambda表达式与Stream API的高效结合####
探索Java编程中Lambda表达式与Stream API如何携手并进,提升数据处理效率,实现代码简洁性与功能性的双重飞跃。 ####
24 0
|
24天前
|
Java 程序员 数据库连接
Java中的异常处理:从入门到精通
在Java编程的海洋中,异常处理是一艘不可或缺的救生艇。它不仅保护你的代码免受错误数据的侵袭,还能确保用户体验的平稳航行。本文将带你领略异常处理的风浪,让你学会如何在Java中捕捉、处理和预防异常,从而成为一名真正的Java航海家。
|
2天前
|
安全 Java API
java如何请求接口然后终止某个线程
通过本文的介绍,您应该能够理解如何在Java中请求接口并根据返回结果终止某个线程。合理使用标志位或 `interrupt`方法可以确保线程的安全终止,而处理好网络请求中的各种异常情况,可以提高程序的稳定性和可靠性。
24 6
|
17天前
|
设计模式 Java 开发者
Java多线程编程的陷阱与解决方案####
本文深入探讨了Java多线程编程中常见的问题及其解决策略。通过分析竞态条件、死锁、活锁等典型场景,并结合代码示例和实用技巧,帮助开发者有效避免这些陷阱,提升并发程序的稳定性和性能。 ####