Java8 Stream：2萬字20個例項，玩轉集合的篩選、歸約、分組、聚合

猿小二1發表於2020-11-26

Java

點波關注不迷路，一鍵三連好運連連！

file

先貼上幾個案例，水平高超的同學可以挑戰一下：

從員工集合中篩選出salary大於8000的員工，並放置到新的集合裡。
統計員工的最高薪資、平均薪資、薪資之和。
將員工按薪資從高到低排序，同樣薪資者年齡小者在前。
將員工按性別分類，將員工按性別和地區分類，將員工按薪資是否高於8000分為兩部分。

用傳統的迭代處理也不是很難，但程式碼就顯得冗餘了，跟Stream相比高下立判。

1 Stream概述

Java 8 是一個非常成功的版本，這個版本新增的Stream，配合同版本出現的 Lambda ，給我們操作集合（Collection）提供了極大的便利。

那麼什麼是Stream？

Stream將要處理的元素集合看作一種流，在流的過程中，藉助Stream API對流中的元素進行操作，比如：篩選、排序、聚合等。

Stream可以由陣列或集合建立，對流的操作分為兩種：

中間操作，每次返回一個新的流，可以有多個。
終端操作，每個流只能進行一次終端操作，終端操作結束後流無法再次使用。終端操作會產生一個新的集合或值。

另外，Stream有幾個特性：

stream不儲存資料，而是按照特定的規則對資料進行計算，一般會輸出結果。
stream不會改變資料來源，通常情況下會產生一個新的集合或一個值。
stream具有延遲執行特性，只有呼叫終端操作時，中間操作才會執行。

2 Stream的建立

Stream可以通過集合陣列建立。

1、通過 java.util.Collection.stream() 方法用集合建立流

List<String> list = Arrays.asList("a", "b", "c");
// 建立一個順序流
Stream<String> stream = list.stream();
// 建立一個並行流
Stream<String> parallelStream = list.parallelStream();

2、使用java.util.Arrays.stream(T[] array)方法用陣列建立流

int[] array={1,3,5,6,8};
IntStream stream = Arrays.stream(array);

3、使用Stream的靜態方法：of()、iterate()、generate()

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

Stream<Integer> stream2 = Stream.iterate(0, (x) -> x + 3).limit(4);
stream2.forEach(System.out::println); // 0 2 4 6 8 10

Stream<Double> stream3 = Stream.generate(Math::random).limit(3);
stream3.forEach(System.out::println);

輸出結果：

0 3 6 9 0.6796156909271994 0.1914314208854283 0.8116932592396652

stream和parallelStream的簡單區分： stream是順序流，由主執行緒按順序對流執行操作，而parallelStream是並行流，內部以多執行緒並行執行的方式對流進行操作，但前提是流中的資料處理沒有順序要求。例如篩選集合中的奇數，兩者的處理不同之處：

file 如果流中的資料量足夠大，並行流可以加快處速度。

除了直接建立並行流，還可以通過parallel()把順序流轉換成並行流：

Optional<Integer> findFirst = list.stream().parallel().filter(x->x>6).findFirst();

3 Stream的使用

在使用stream之前，先理解一個概念：Optional 。

Optional類是一個可以為null的容器物件。如果值存在則isPresent()方法會返回true，呼叫get()方法會返回該物件。更詳細說明請見：菜鳥教程Java 8 Optional類

接下來，大批程式碼向你襲來！我將用20個案例將Stream的使用整得明明白白，只要跟著敲一遍程式碼，就能很好地掌握。

file

案例使用的員工類

這是後面案例中使用的員工類：

List<Person> personList = new ArrayList<Person>();
personList.add(new Person("Tom", 8900, "male", "New York"));
personList.add(new Person("Jack", 7000, "male", "Washington"));
personList.add(new Person("Lily", 7800, "female", "Washington"));
personList.add(new Person("Anni", 8200, "female", "New York"));
personList.add(new Person("Owen", 9500, "male", "New York"));
personList.add(new Person("Alisa", 7900, "female", "New York"));

class Person {
    private String name;  // 姓名
    private int salary; // 薪資
    private int age; // 年齡
    private String sex; //性別
    private String area;  // 地區

    // 構造方法
    public Person(String name, int salary, int age,String sex,String area) {
        this.name = name;
        this.salary = salary;
        this.age = age;
        this.sex = sex;
        this.area = area;
    }
    // 省略了get和set，請自行新增

}

3.1 遍歷/匹配（foreach/find/match）

Stream也是支援類似集合的遍歷和匹配元素的，只是Stream中的元素是以Optional型別存在的。Stream的遍歷、匹配非常簡單。

file

// import已省略，請自行新增，後面程式碼亦是

public class StreamTest {
    public static void main(String[] args) {
        List<Integer> list = Arrays.asList(7, 6, 9, 3, 8, 2, 1);

        // 遍歷輸出符合條件的元素
        list.stream().filter(x -> x > 6).forEach(System.out::println);
        // 匹配第一個
        Optional<Integer> findFirst = list.stream().filter(x -> x > 6).findFirst();
        // 匹配任意（適用於並行流）
        Optional<Integer> findAny = list.parallelStream().filter(x -> x > 6).findAny();
        // 是否包含符合特定條件的元素
        boolean anyMatch = list.stream().anyMatch(x -> x < 6);
        System.out.println("匹配第一個值：" + findFirst.get());
        System.out.println("匹配任意一個值：" + findAny.get());
        System.out.println("是否存在大於6的值：" + anyMatch);
    }
}

3.2 篩選（filter）

篩選，是按照一定的規則校驗流中的元素，將符合條件的元素提取到新的流中的操作。

file

案例一：篩選出Integer集合中大於7的元素，並列印出來

public class StreamTest {
    public static void main(String[] args) {
        List<Integer> list = Arrays.asList(6, 7, 3, 8, 1, 2, 9);
        Stream<Integer> stream = list.stream();
        stream.filter(x -> x > 7).forEach(System.out::println);
    }
}

預期結果：

8 9

案例二：篩選員工中工資高於8000的人，並形成新的集合。 形成新集合依賴collect（收集），後文有詳細介紹。

public class StreamTest {
    public static void main(String[] args) {
        List<Person> personList = new ArrayList<Person>();
        personList.add(new Person("Tom", 8900, 23, "male", "New York"));
        personList.add(new Person("Jack", 7000, 25, "male", "Washington"));
        personList.add(new Person("Lily", 7800, 21, "female", "Washington"));
        personList.add(new Person("Anni", 8200, 24, "female", "New York"));
        personList.add(new Person("Owen", 9500, 25, "male", "New York"));
        personList.add(new Person("Alisa", 7900, 26, "female", "New York"));

        List<String> fiterList = personList.stream().filter(x -> x.getSalary() > 8000).map(Person::getName)
                .collect(Collectors.toList());
        System.out.print("高於8000的員工姓名：" + fiterList);
    }
}

執行結果：

高於8000的員工姓名：[Tom, Anni, Owen]

3.3 聚合（max/min/count)

max、min、count這些字眼你一定不陌生，沒錯，在mysql中我們常用它們進行資料統計。Java stream中也引入了這些概念和用法，極大地方便了我們對集合、陣列的資料統計工作。

案例一：獲取String集合中最長的元素。

public class StreamTest {
    public static void main(String[] args) {
        List<String> list = Arrays.asList("adnm", "admmt", "pot", "xbangd", "weoujgsd");

        Optional<String> max = list.stream().max(Comparator.comparing(String::length));
        System.out.println("最長的字串：" + max.get());
    }
}

輸出結果：

最長的字串：weoujgsd

案例二：獲取Integer集合中的最大值。

public class StreamTest {
    public static void main(String[] args) {
        List<Integer> list = Arrays.asList(7, 6, 9, 4, 11, 6);

        // 自然排序
        Optional<Integer> max = list.stream().max(Integer::compareTo);
        // 自定義排序
        Optional<Integer> max2 = list.stream().max(new Comparator<Integer>() {
            @Override
            public int compare(Integer o1, Integer o2) {
                return o1.compareTo(o2);
            }
        });
        System.out.println("自然排序的最大值：" + max.get());
        System.out.println("自定義排序的最大值：" + max2.get());
    }
}

輸出結果：

自然排序的最大值：11 自定義排序的最大值：11

案例三：獲取員工工資最高的人。

public class StreamTest {
    public static void main(String[] args) {
        List<Person> personList = new ArrayList<Person>();
        personList.add(new Person("Tom", 8900, 23, "male", "New York"));
        personList.add(new Person("Jack", 7000, 25, "male", "Washington"));
        personList.add(new Person("Lily", 7800, 21, "female", "Washington"));
        personList.add(new Person("Anni", 8200, 24, "female", "New York"));
        personList.add(new Person("Owen", 9500, 25, "male", "New York"));
        personList.add(new Person("Alisa", 7900, 26, "female", "New York"));

        Optional<Person> max = personList.stream().max(Comparator.comparingInt(Person::getSalary));
        System.out.println("員工工資最大值：" + max.get().getSalary());
    }
}

輸出結果：

員工工資最大值：9500

案例四：計算Integer集合中大於6的元素的個數。

import java.util.Arrays;
import java.util.List;

public class StreamTest {
    public static void main(String[] args) {
        List<Integer> list = Arrays.asList(7, 6, 4, 8, 2, 11, 9);

        long count = list.stream().filter(x -> x > 6).count();
        System.out.println("list中大於6的元素個數：" + count);
    }
}

輸出結果：

list中大於6的元素個數：4

3.4 對映(map/flatMap)

對映，可以將一個流的元素按照一定的對映規則對映到另一個流中。分為map和flatMap：

map：接收一個函式作為引數，該函式會被應用到每個元素上，並將其對映成一個新的元素。
flatMap：接收一個函式作為引數，將流中的每個值都換成另一個流，然後把所有流連線成一個流。

file file

案例一：英文字串陣列的元素全部改為大寫。整數陣列每個元素+3。

public class StreamTest {
    public static void main(String[] args) {
        String[] strArr = { "abcd", "bcdd", "defde", "fTr" };
        List<String> strList = Arrays.stream(strArr).map(String::toUpperCase).collect(Collectors.toList());

        List<Integer> intList = Arrays.asList(1, 3, 5, 7, 9, 11);
        List<Integer> intListNew = intList.stream().map(x -> x + 3).collect(Collectors.toList());

        System.out.println("每個元素大寫：" + strList);
        System.out.println("每個元素+3：" + intListNew);
    }
}

輸出結果：

每個元素大寫：[ABCD, BCDD, DEFDE, FTR] 每個元素+3：[4, 6, 8, 10, 12, 14]

案例二：將員工的薪資全部增加1000。

public class StreamTest {
    public static void main(String[] args) {
        List<Person> personList = new ArrayList<Person>();
        personList.add(new Person("Tom", 8900, 23, "male", "New York"));
        personList.add(new Person("Jack", 7000, 25, "male", "Washington"));
        personList.add(new Person("Lily", 7800, 21, "female", "Washington"));
        personList.add(new Person("Anni", 8200, 24, "female", "New York"));
        personList.add(new Person("Owen", 9500, 25, "male", "New York"));
        personList.add(new Person("Alisa", 7900, 26, "female", "New York"));

        // 不改變原來員工集合的方式
        List<Person> personListNew = personList.stream().map(person -> {
            Person personNew = new Person(person.getName(), 0, 0, null, null);
            personNew.setSalary(person.getSalary() + 10000);
            return personNew;
        }).collect(Collectors.toList());
        System.out.println("一次改動前：" + personList.get(0).getName() + "-->" + personList.get(0).getSalary());
        System.out.println("一次改動後：" + personListNew.get(0).getName() + "-->" + personListNew.get(0).getSalary());

        // 改變原來員工集合的方式
        List<Person> personListNew2 = personList.stream().map(person -> {
            person.setSalary(person.getSalary() + 10000);
            return person;
        }).collect(Collectors.toList());
        System.out.println("二次改動前：" + personList.get(0).getName() + "-->" + personListNew.get(0).getSalary());
        System.out.println("二次改動後：" + personListNew2.get(0).getName() + "-->" + personListNew.get(0).getSalary());
    }
}

輸出結果：

一次改動前：Tom–>8900 一次改動後：Tom–>18900 二次改動前：Tom–>18900 二次改動後：Tom–>18900

案例三：將兩個字元陣列合併成一個新的字元陣列。

public class StreamTest {
    public static void main(String[] args) {
        List<String> list = Arrays.asList("m,k,l,a", "1,3,5,7");
        List<String> listNew = list.stream().flatMap(s -> {
            // 將每個元素轉換成一個stream
            String[] split = s.split(",");
            Stream<String> s2 = Arrays.stream(split);
            return s2;
        }).collect(Collectors.toList());

        System.out.println("處理前的集合：" + list);
        System.out.println("處理後的集合：" + listNew);
    }
}

輸出結果：

處理前的集合：[m-k-l-a, 1-3-5] 處理後的集合：[m, k, l, a, 1, 3, 5]

3.5 歸約(reduce)

歸約，也稱縮減，顧名思義，是把一個流縮減成一個值，能實現對集合求和、求乘積和求最值操作。

file 案例一：求Integer集合的元素之和、乘積和最大值。

public class StreamTest {
    public static void main(String[] args) {
        List<Integer> list = Arrays.asList(1, 3, 2, 8, 11, 4);
        // 求和方式1
        Optional<Integer> sum = list.stream().reduce((x, y) -> x + y);
        // 求和方式2
        Optional<Integer> sum2 = list.stream().reduce(Integer::sum);
        // 求和方式3
        Integer sum3 = list.stream().reduce(0, Integer::sum);

        // 求乘積
        Optional<Integer> product = list.stream().reduce((x, y) -> x * y);

        // 求最大值方式1
        Optional<Integer> max = list.stream().reduce((x, y) -> x > y ? x : y);
        // 求最大值寫法2
        Integer max2 = list.stream().reduce(1, Integer::max);

        System.out.println("list求和：" + sum.get() + "," + sum2.get() + "," + sum3);
        System.out.println("list求積：" + product.get());
        System.out.println("list求和：" + max.get() + "," + max2);
    }
}

輸出結果：

list求和：29,29,29 list求積：2112 list求和：11,11

案例二：求所有員工的工資之和和最高工資。

public class StreamTest {
    public static void main(String[] args) {
        List<Person> personList = new ArrayList<Person>();
        personList.add(new Person("Tom", 8900, 23, "male", "New York"));
        personList.add(new Person("Jack", 7000, 25, "male", "Washington"));
        personList.add(new Person("Lily", 7800, 21, "female", "Washington"));
        personList.add(new Person("Anni", 8200, 24, "female", "New York"));
        personList.add(new Person("Owen", 9500, 25, "male", "New York"));
        personList.add(new Person("Alisa", 7900, 26, "female", "New York"));

        // 求工資之和方式1：
        Optional<Integer> sumSalary = personList.stream().map(Person::getSalary).reduce(Integer::sum);
        // 求工資之和方式2：
        Integer sumSalary2 = personList.stream().reduce(0, (sum, p) -> sum += p.getSalary(),
                (sum1, sum2) -> sum1 + sum2);
        // 求工資之和方式3：
        Integer sumSalary3 = personList.stream().reduce(0, (sum, p) -> sum += p.getSalary(), Integer::sum);

        // 求最高工資方式1：
        Integer maxSalary = personList.stream().reduce(0, (max, p) -> max > p.getSalary() ? max : p.getSalary(),
                Integer::max);
        // 求最高工資方式2：
        Integer maxSalary2 = personList.stream().reduce(0, (max, p) -> max > p.getSalary() ? max : p.getSalary(),
                (max1, max2) -> max1 > max2 ? max1 : max2);

        System.out.println("工資之和：" + sumSalary.get() + "," + sumSalary2 + "," + sumSalary3);
        System.out.println("最高工資：" + maxSalary + "," + maxSalary2);
    }
}

輸出結果：

工資之和：49300,49300,49300 最高工資：9500,9500

3.6 收集(collect)

collect，收集，可以說是內容最繁多、功能最豐富的部分了。從字面上去理解，就是把一個流收集起來，最終可以是收整合一個值也可以收整合一個新的集合。

collect主要依賴java.util.stream.Collectors類內建的靜態方法。

3.6.1 歸集(toList/toSet/toMap)

因為流不儲存資料，那麼在流中的資料完成處理後，需要將流中的資料重新歸集到新的集合裡。toList、toSet和toMap比較常用，另外還有toCollection、toConcurrentMap等複雜一些的用法。

下面用一個案例演示toList、toSet和toMap：

public class StreamTest {
    public static void main(String[] args) {
        List<Integer> list = Arrays.asList(1, 6, 3, 4, 6, 7, 9, 6, 20);
        List<Integer> listNew = list.stream().filter(x -> x % 2 == 0).collect(Collectors.toList());
        Set<Integer> set = list.stream().filter(x -> x % 2 == 0).collect(Collectors.toSet());

        List<Person> personList = new ArrayList<Person>();
        personList.add(new Person("Tom", 8900, 23, "male", "New York"));
        personList.add(new Person("Jack", 7000, 25, "male", "Washington"));
        personList.add(new Person("Lily", 7800, 21, "female", "Washington"));
        personList.add(new Person("Anni", 8200, 24, "female", "New York"));

        Map<?, Person> map = personList.stream().filter(p -> p.getSalary() > 8000)
                .collect(Collectors.toMap(Person::getName, p -> p));
        System.out.println("toList:" + listNew);
        System.out.println("toSet:" + set);
        System.out.println("toMap:" + map);
    }
}

執行結果：

toList：[6, 4, 6, 6, 20] toSet：[4, 20, 6] toMap：{Tom=mutest.Person@5fd0d5ae, Anni=mutest.Person@2d98a335}

3.6.2 統計(count/averaging)

Collectors提供了一系列用於資料統計的靜態方法：

計數：count
平均值：averagingInt、averagingLong、averagingDouble
最值：maxBy、minBy
求和：summingInt、summingLong、summingDouble
統計以上所有：summarizingInt、summarizingLong、summarizingDouble

案例：統計員工人數、平均工資、工資總額、最高工資。

public class StreamTest {
    public static void main(String[] args) {
        List<Person> personList = new ArrayList<Person>();
        personList.add(new Person("Tom", 8900, 23, "male", "New York"));
        personList.add(new Person("Jack", 7000, 25, "male", "Washington"));
        personList.add(new Person("Lily", 7800, 21, "female", "Washington"));

        // 求總數
        Long count = personList.stream().collect(Collectors.counting());
        // 求平均工資
        Double average = personList.stream().collect(Collectors.averagingDouble(Person::getSalary));
        // 求最高工資
        Optional<Integer> max = personList.stream().map(Person::getSalary).collect(Collectors.maxBy(Integer::compare));
        // 求工資之和
        Integer sum = personList.stream().collect(Collectors.summingInt(Person::getSalary));
        // 一次性統計所有資訊
        DoubleSummaryStatistics collect = personList.stream().collect(Collectors.summarizingDouble(Person::getSalary));

        System.out.println("員工總數：" + count);
        System.out.println("員工平均工資：" + average);
        System.out.println("員工工資總和：" + sum);
        System.out.println("員工工資所有統計：" + collect);
    }
}

執行結果：

員工總數：3 員工平均工資：7900.0 員工工資總和：23700 員工工資所有統計：DoubleSummaryStatistics{count=3, sum=23700.000000,min=7000.000000, average=7900.000000, max=8900.000000}

3.6.3 分組(partitioningBy/groupingBy)

分割槽：將stream按條件分為兩個Map，比如員工按薪資是否高於8000分為兩部分。
分組：將集合分為多個Map，比如員工按性別分組。有單級分組和多級分組。

file 案例：將員工按薪資是否高於8000分為兩部分；將員工按性別和地區分組

public class StreamTest {
    public static void main(String[] args) {
        List<Person> personList = new ArrayList<Person>();
        personList.add(new Person("Tom", 8900, "male", "New York"));
        personList.add(new Person("Jack", 7000, "male", "Washington"));
        personList.add(new Person("Lily", 7800, "female", "Washington"));
        personList.add(new Person("Anni", 8200, "female", "New York"));
        personList.add(new Person("Owen", 9500, "male", "New York"));
        personList.add(new Person("Alisa", 7900, "female", "New York"));

        // 將員工按薪資是否高於8000分組
        Map<Boolean, List<Person>> part = personList.stream().collect(Collectors.partitioningBy(x -> x.getSalary() > 8000));
        // 將員工按性別分組
        Map<String, List<Person>> group = personList.stream().collect(Collectors.groupingBy(Person::getSex));
        // 將員工先按性別分組，再按地區分組
        Map<String, Map<String, List<Person>>> group2 = personList.stream().collect(Collectors.groupingBy(Person::getSex, Collectors.groupingBy(Person::getArea)));
        System.out.println("員工按薪資是否大於8000分組情況：" + part);
        System.out.println("員工按性別分組情況：" + group);
        System.out.println("員工按性別、地區：" + group2);
    }
}

輸出結果：

員工按薪資是否大於8000分組情況：{false=[mutest.Person@2d98a335, mutest.Person@16b98e56, mutest.Person@7ef20235], true=[mutest.Person@27d6c5e0, mutest.Person@4f3f5b24, mutest.Person@15aeb7ab]}
員工按性別分組情況：{female=[mutest.Person@16b98e56, mutest.Person@4f3f5b24, mutest.Person@7ef20235], male=[mutest.Person@27d6c5e0, mutest.Person@2d98a335, mutest.Person@15aeb7ab]}
員工按性別、地區：{female={New York=[mutest.Person@4f3f5b24, mutest.Person@7ef20235], Washington=[mutest.Person@16b98e56]}, male={New York=[mutest.Person@27d6c5e0, mutest.Person@15aeb7ab], Washington=[mutest.Person@2d98a335]}}

3.6.4 接合(joining)

joining可以將stream中的元素用特定的連線符（沒有的話，則直接連線）連線成一個字串。

public class StreamTest {
    public static void main(String[] args) {
        List<Person> personList = new ArrayList<Person>();
        personList.add(new Person("Tom", 8900, 23, "male", "New York"));
        personList.add(new Person("Jack", 7000, 25, "male", "Washington"));
        personList.add(new Person("Lily", 7800, 21, "female", "Washington"));

        String names = personList.stream().map(p -> p.getName()).collect(Collectors.joining(","));
        System.out.println("所有員工的姓名：" + names);
        List<String> list = Arrays.asList("A", "B", "C");
        String string = list.stream().collect(Collectors.joining("-"));
        System.out.println("拼接後的字串：" + string);
    }
}

執行結果：

所有員工的姓名：Tom,Jack,Lily 拼接後的字串：A-B-C

3.6.5 歸約(reducing)

Collectors類提供的reducing方法，相比於stream本身的reduce方法，增加了對自定義歸約的支援。

public class StreamTest {
    public static void main(String[] args) {
        List<Person> personList = new ArrayList<Person>();
        personList.add(new Person("Tom", 8900, 23, "male", "New York"));
        personList.add(new Person("Jack", 7000, 25, "male", "Washington"));
        personList.add(new Person("Lily", 7800, 21, "female", "Washington"));

        // 每個員工減去起徵點後的薪資之和（這個例子並不嚴謹，但一時沒想到好的例子）
        Integer sum = personList.stream().collect(Collectors.reducing(0, Person::getSalary, (i, j) -> (i + j - 5000)));
        System.out.println("員工扣稅薪資總和：" + sum);

        // stream的reduce
        Optional<Integer> sum2 = personList.stream().map(Person::getSalary).reduce(Integer::sum);
        System.out.println("員工薪資總和：" + sum2.get());
    }
}

執行結果：

員工扣稅薪資總和：8700 員工薪資總和：23700

3.7 排序(sorted)

sorted，中間操作。有兩種排序：

sorted()：自然排序，流中元素需實現Comparable介面
sorted(Comparator com)：Comparator排序器自定義排序

案例：將員工按工資由高到低（工資一樣則按年齡由大到小）排序

public class StreamTest {
    public static void main(String[] args) {
        List<Person> personList = new ArrayList<Person>();

        personList.add(new Person("Sherry", 9000, 24, "female", "New York"));
        personList.add(new Person("Tom", 8900, 22, "male", "Washington"));
        personList.add(new Person("Jack", 9000, 25, "male", "Washington"));
        personList.add(new Person("Lily", 8800, 26, "male", "New York"));
        personList.add(new Person("Alisa", 9000, 26, "female", "New York"));

        // 按工資升序排序（自然排序）
        List<String> newList = personList.stream().sorted(Comparator.comparing(Person::getSalary)).map(Person::getName)
                .collect(Collectors.toList());
        // 按工資倒序排序
        List<String> newList2 = personList.stream().sorted(Comparator.comparing(Person::getSalary).reversed())
                .map(Person::getName).collect(Collectors.toList());
        // 先按工資再按年齡升序排序
        List<String> newList3 = personList.stream()
                .sorted(Comparator.comparing(Person::getSalary).thenComparing(Person::getAge)).map(Person::getName)
                .collect(Collectors.toList());
        // 先按工資再按年齡自定義排序（降序）
        List<String> newList4 = personList.stream().sorted((p1, p2) -> {
            if (p1.getSalary() == p2.getSalary()) {
                return p2.getAge() - p1.getAge();
            } else {
                return p2.getSalary() - p1.getSalary();
            }
        }).map(Person::getName).collect(Collectors.toList());

        System.out.println("按工資升序排序：" + newList);
        System.out.println("按工資降序排序：" + newList2);
        System.out.println("先按工資再按年齡升序排序：" + newList3);
        System.out.println("先按工資再按年齡自定義降序排序：" + newList4);
    }
}

執行結果：

按工資自然排序：[Lily, Tom, Sherry, Jack, Alisa] 按工資降序排序：[Sherry, Jack, Alisa,Tom, Lily] 先按工資再按年齡自然排序：[Sherry, Jack, Alisa, Tom, Lily] 先按工資再按年齡自定義降序排序：[Alisa, Jack, Sherry, Tom, Lily]

3.8 提取/組合

流也可以進行合併、去重、限制、跳過等操作。

file file file

public class StreamTest {
    public static void main(String[] args) {
        String[] arr1 = { "a", "b", "c", "d" };
        String[] arr2 = { "d", "e", "f", "g" };

        Stream<String> stream1 = Stream.of(arr1);
        Stream<String> stream2 = Stream.of(arr2);
        // concat:合併兩個流 distinct：去重
        List<String> newList = Stream.concat(stream1, stream2).distinct().collect(Collectors.toList());
        // limit：限制從流中獲得前n個資料
        List<Integer> collect = Stream.iterate(1, x -> x + 2).limit(10).collect(Collectors.toList());
        // skip：跳過前n個資料
        List<Integer> collect2 = Stream.iterate(1, x -> x + 2).skip(1).limit(5).collect(Collectors.toList());

        System.out.println("流合併：" + newList);
        System.out.println("limit：" + collect);
        System.out.println("skip：" + collect2);
    }
}

執行結果：

流合併：[a, b, c, d, e, f, g] limit：[1, 3, 5, 7, 9, 11, 13, 15, 17, 19] skip：[3, 5, 7, 9, 11]

4 Stream原始碼解讀

這部分等有時間慢慢分解吧。

好，以上就是全部內容，能堅持看到這裡，你一定很有收穫，那麼動一動拿offer的小手，點個贊再走吧。

作者：雲深i不知處連結：https://blog.csdn.net/mu_wind/article/details/109516995?utm_medium=distribute.pc_category.none-task-blog-hot-8.nonecase&depth_1-utm_source=distribute.pc_category.none-task-blog-hot-8.nonecase 來源：CSDN部落格歡迎關注公眾號【碼農開花】一起學習成長我會一直分享Java乾貨，也會分享免費的學習資料課程和麵試寶典回覆：【計算機】【設計模式】有驚喜哦

Stream流對List集合篩選重複欄位
2020-12-21
[譯] 一文帶你玩轉 Java8 Stream 流，從此操作集合 So Easy
2019-04-25
Java
Java8的stream流讓操作集合更容易
2024-06-17
Java
Java8 的 Stream 流式操作之王者歸來
2019-09-03
Java
Java8 Stream，簡潔快速處理集合（上）
2018-08-10
Java
Java8 Stream，簡潔快速處理集合（下）
2018-08-10
Java
Java8 新特性 Stream流操作List集合 (二)
2020-11-04
Java
如何給一個下拉選項進行分組？
2024-11-28
如何區分例項化網格中的每個例項
2024-11-04
list轉map，使用java8，stream流
2020-09-25
Java
java8的stream將一個List轉為按照某個欄位分組的map，再按照另一個欄位取max最終得到一個map
2022-07-04
Java
table表頭分組程式碼例項
2018-09-13
正規表示式分組例項詳解
2022-03-16
SQL-分組聚合 - 單欄位分組
2024-12-04
SQL
Java8中的Stream API
2020-08-28
JavaAPI
Java8的Stream API使用
2019-06-17
JavaAPI
excel怎麼篩選？教你一個簡單粗暴的篩選技巧
2022-02-15
Excel
Java8——Stream流
2020-07-16
Java
Stream聚合函式
2021-09-28
函式
Java8 Stream流的合併
2023-05-05
Java
Java 8 Stream API 轉換到 Kotlin 集合API
2021-12-25
JavaAPIKotlin
Java8 中使用Stream 讓List 轉 Map使用總結
2021-06-16
Java
Pandas 分組聚合操作詳解
2023-11-15
Java Stream六個使用舉例
2024-05-01
Java
Java8中的 lambda 和Stream API
2019-02-19
JavaAPI
java8學習：引入stream
2018-11-08
Java
Java8 Lambda 之 Collection Stream
2019-02-26
Java
淺析Java8 Stream原理
2018-12-03
Java
java8新特性stream流
2018-08-26
Java
Java8 Stream常用API整理
2020-11-19
JavaAPI
java8 Stream APi 入門
2018-03-17
JavaAPI
Java8新特性--Stream API
2021-03-13
JavaAPI
asyncio非同步模組的21個協程編寫例項
2020-08-25
非同步
Python 入門之經典函式例項之Map-Reduce - 對映與歸約的思想
2020-11-14
Python函式
Java8中Stream 的一些用法
2020-10-20
Java
用flutter給圖片加個好看的遮罩層【flutter20個例項之六】
2021-08-13
Flutter遮罩
TreeSelect 篩選後的全選是否支援僅全選篩選出來的列表
2019-04-10
excel重複項篩選標色 excel表格重複項變色
2022-03-02
Excel

Java8 Stream：2萬字20個例項，玩轉集合的篩選、歸約、分組、聚合

1 Stream概述

2 Stream的建立

3 Stream的使用

案例使用的員工類

3.1 遍歷/匹配（foreach/find/match）

3.2 篩選（filter）

3.3 聚合（max/min/count)

3.4 對映(map/flatMap)

3.5 歸約(reduce)

3.6 收集(collect)

3.6.1 歸集(toList/toSet/toMap)

3.6.2 統計(count/averaging)

3.6.3 分組(partitioningBy/groupingBy)

3.6.4 接合(joining)

3.6.5 歸約(reducing)

3.7 排序(sorted)

3.8 提取/組合

4 Stream原始碼解讀

相關文章