【Lambda】java之lambda表达式stream流式编程操作集合

1 stream流概念

简单来讲，Stream流是一种用于处理数据集合的高级迭代器，它可以对集合中的元素进行各种操作，如过滤、映射、排序等。通过使用Stream API，我们可以以声明式的方式处理数据，而无需显式地编写循环和条件语句。
Stream流的操作分为两种，中间操作和终端操作。

1.1 中间操作

是指对每个元素独立进行操作，不依赖于其他元素的状态。它们不会改变流中的元素本身，而是创建一个新的Stream对象来表示转换后的结果。常见的无状态中间操作有map、filter、flatMap等。

1.1.1 无状态操作

无状态操作不会改变流中的元素，也不会改变流的状态；这些操作可以并行执行，因为它们不依赖于流中的其他元素。例如：

• distinct：返回去重的Stream。
• limit：限制从流中获得前n个数据，返回前n个元素数据组成的Stream流。
• skip：跳过前n个数据，返回第n个元素后面数据组成的Stream。sorted：返回一个排序的Stream。

1.1.2 有状态操作

有状态操作会改变流的状态，或者依赖于流中的其他元素。这些操作不能并行执行，因为它们需要访问或修改流的状态。
例如：

• filter：过滤流，过滤流中的元素，返回一个符合条件的Stream
• map：转换流，将一种类型的流转换为另外一种流。（mapToInt、mapToLong、mapToDouble 返回int、long、double基本类型对应的Stream）
• peek:主要用来查看流中元素的数据状态，该方法主要用于调试，方便debug查看Stream内进行处理的每个元素。仅在对流内元素进行操作时，peek才会被调用，当不对元素做任何操作时，peek自然也不会被调用了
• flatMap：简单的说，就是一个或多个流合并成一个新流。

1.2 终端操作

是对数据进行最终处理的操作，它们会消耗掉Stream并产生一个结果或者副作用（如输出到控制台）。一旦执行了终端操作，Stream就不能再被使用。常见的终端操作有collect、forEach、reduce等。

1.2.1 非短路操作

非短路操作会处理流中的所有元素，并返回一个结果。
如：

• forEach：循环操作Stream中数据。
• toArray：返回流中元素对应的数组对象。
• reduce：聚合操作，用来做统计，将流中元素反复结合起来统计计算，得到一个值.。
• collect：聚合操作，封装目标数据，将流转换为其他形式接收，如：List、Set、Map、Array。
• min、max、count：聚合操作，最小值，最大值，总数量。

1.2.2 短路操作

短路操作会在满足某个条件时提前结束处理，并返回一个结果。例如：

• anyMatch：短路操作，有一个符合条件返回true。
• allMatch：所有数据都符合条件返回true。
• noneMatch：所有数据都不符合条件返回true。
• findFirst：短路操作，获取第一个元素。
• findAny：短路操作，获取任一元素。

2 steam流的生成

2.1 方式一：数组转为stream流

int [] arr = {1,2,3,4,5,6,7,8,9,10};       
Arrays.stream(arr).forEach(System.out::println);

2.2 方式二：集合转为steam流

List<Integer> list = Arrays.asList(1,2,3,4,5,6,7,8,9,10);
list.stream().forEach(System.out::println);

2.3 方式三：Stream.builder创建stream流

Stream.builder创建stream流，允许你逐步构建一个流

Stream.Builder<Integer> builder = Stream.builder();// 添加元素到流中
builder.add(1);
builder.add(2);
builder.add(3);// 构建流
Stream<Integer> stream = builder.build();// 使用流
stream.forEach(System.out::println);

2.4 方式四：使用 Stream.of 方法

Stream.of 方法可以接受一系列元素并返回一个包含这些元素的流。

Stream<String> words = Stream.of("apple", "banana", "orange");
words.forEach(System.out::println);

2.5 方式五：从文件创建流

可以使用 Files.lines 方法从文件中创建流。

try (Stream<String> stream = Files.lines(Paths.get("file.txt"))) {stream.forEach(System.out::println);
} catch (IOException e) {e.printStackTrace();
}

2.6 方式六：生成无限流

可以使用 Stream.generate 或 Stream.iterate 方法来生成无限流。

Stream<Double> randomNumbers = Stream.generate(Math::random);
randomNumbers.forEach(System.out::println);
Stream<Integer> oddNumbers = Stream.iterate(1, n -> n + 2);
oddNumbers.forEach(System.out::println);

3 无状态的中间操作

3.1 distinct

返回一个去重的流，即去除重复的元素

Stream<Integer> distinctStream = Stream.of(1, 2, 2, 3, 4, 4, 5).distinct();
distinctStream.forEach(System.out::println);
//输出结果：12345

3.2 limit

限制从流中获得前n个数据，返回前n个元素数据组成的流

Stream<Integer> limitedStream = Stream.of(1, 2, 3, 4, 5).limit(3);
limitedStream.forEach(System.out::println);
//输出结果：123

3.3 skip

Stream<Integer> skippedStream = Stream.of(1, 2, 3, 4, 5).skip(2);
skippedStream.forEach(System.out::println);
//输出结果：345

3.4 sorted

//正序排序从小到大
Stream<Integer> sortedStream = Stream.of(5, 3, 1, 4, 2).sorted();
sortedStream.forEach(System.out::println);
//输出结果：12345//逆序排序从大到小，Comparator.reverseOrder() 创建了一个逆序比较器，然后传递给 sorted 方法，从而实现了逆序排序
Stream<Integer> sortedStream = Stream.of(5, 3, 1, 4, 2).sorted(Comparator.reverseOrder());
sortedStream.forEach(System.out::println);
//输出结果：54321

3.5 组合使用

这段代码首先去重，然后排序，跳过第一个元素，最后限制结果流只包含前三个元素

Stream<Integer> stream = Stream.of(1, 2, 2, 3, 4, 4, 5).distinct().sorted().skip(1).limit(3);
stream.forEach(System.out::println);
//输出结果：234

测试实体类：

@Data
public class Person {private int id;private String name; // 姓名private int salary; // 薪资private int age; // 年龄private String sex; //性别private String area; // 地区private List<Person> employeeList; //下属public Person() {}// 构造方法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;}// 构造方法public Person(int id, String name, int salary, int age, String sex, String area) {this.id = id;this.name = name;this.salary = salary;this.age = age;this.sex = sex;this.area = area;}@Overridepublic String toString() {return "Person{" +"name='" + name + '\'' +", salary=" + salary +", age=" + age +", sex='" + sex + '\'' +", area='" + area + '\'' +'}';}
}

// 创建一个List来存储Person对象
List<Person> personList = new ArrayList<>();// 创建8个Person对象并添加到列表中
personList.add(new Person(1, "Alice", 5000, 30, "Female", "New York"));
personList.add(new Person(2, "Bob", 6000, 35, "Male", "Los Angeles"));
personList.add(new Person(3, "Charlie", 5500, 28, "Male", "Chicago"));
personList.add(new Person(4, "Diana", 7000, 40, "Female", "Miami"));
personList.add(new Person(5, "Ethan", 4800, 25, "Male", "Houston"));
personList.add(new Person(6, "Fiona", 5300, 32, "Female", "Seattle"));
personList.add(new Person(7, "George", 6200, 38, "Male", "Boston"));
personList.add(new Person(8, "Hannah", 5900, 29, "Female", "San Francisco"));

4 有状态的中间操作

4.1 filter（重要）

// 1. 筛选出所有女性
List<Person> females = personList.stream().filter(person -> person.getSex().equalsIgnoreCase("female")).collect(Collectors.toList());
System.out.println("女性列表: " + females);// 2. 筛选出薪资高于5000的人员
List<Person> highSalary = personList.stream().filter(person -> person.getSalary() > 5000).collect(Collectors.toList());
System.out.println("薪资高于5000的人员: " + highSalary);// 3. 筛选出年龄在30岁及以上的人员
List<Person> ageAbove30 = personList.stream().filter(person -> person.getAge() >= 30).collect(Collectors.toList());
System.out.println("年龄在30岁及以上的人员: " + ageAbove30);// 4. 筛选出居住在特定城市（例如"New York"）的人员
List<Person> livingInNewYork = personList.stream().filter(person -> person.getArea().equalsIgnoreCase("New York")).collect(Collectors.toList());
System.out.println("居住在纽约的人员: " + livingInNewYork);// 5. 筛选出名字以"A"开头的人员
List<Person> namesStartingWithA = personList.stream().filter(person -> person.getName().startsWith("A")).collect(Collectors.toList());
System.out.println("名字以A开头的人员: " + namesStartingWithA);

4.2 map（重要）

// 1. 提取所有人的名字
List<String> names = personList.stream().map(Person::getName).collect(Collectors.toList());
System.out.println("所有人的名字: " + names);// 2. 提取所有人的薪资
List<Integer> salaries = personList.stream().map(Person::getSalary).collect(Collectors.toList());
System.out.println("所有人的薪资: " + salaries);// 3. 提取所有人的地区
List<String> cities = personList.stream().map(Person::getArea).collect(Collectors.toList());
System.out.println("所有人的城市: " + cities);// 4. 提取所有人的年龄，并加上10
List<Integer> agesPlus10 = personList.stream().map(person -> person.getAge() + 10).collect(Collectors.toList());
System.out.println("所有人的年龄加十: " + agesPlus10);// 5. 提取薪资信息并格式化为字符串
List<String> salaryInfo = personList.stream().map(person -> person.getName() + "的薪资为: " + person.getSalary()).collect(Collectors.toList());
System.out.println("薪资信息: " + salaryInfo);

4.3 flatMap

flatMap 是 Java Stream API 中的一个非常有用的方法，通常用于将多个流扁平化为一个流。在处理 Person 对象时，我们可以使用 flatMap 来进行一些复杂的数据结构操作。以下是一些示例，展示如何在你的 personList 上使用 flatMap。

List<String> flatMappedList = personList.stream().map(person -> person.getName()) // 将Person对象转换为名字.flatMap(name -> Stream.of(name, name.toUpperCase())) // 将名字转换为名字和名字的大写形式.collect(Collectors.toList());

4.4 peek

personList.stream().peek(person -> System.out.println("Before filter: " + person)) // 打印每个Person对象.filter(person -> person.getAge() > 30) // 过滤年龄大于30的Person对象.peek(person -> System.out.println("After filter: " + person)) // 打印过滤后的Person对象.collect(Collectors.toList());

4.5 组合使用

// 使用Stream API处理personList
List<String> combinedList = personList.stream().filter(person -> person.getAge() > 30) // 过滤年龄大于30的Person对象.map(person -> person.getName()) // 将Person对象转换为名字.flatMap(name -> Stream.of(name, name.toUpperCase())) // 将名字转换为名字和名字的大写形式.peek(System.out::println) // 打印每个名字.collect(Collectors.toList()); // 收集结果到一个List中

5 非短路的终端操作

5.1 forEach

personList.stream().forEach(person -> System.out.println(person.getName()));personList.stream().forEachOrdered(person -> System.out.println(person.getName()));

5.2 toArray

Object[] array = personList.stream().toArray();

5.3 reduce（重要）

// 1. 计算总薪资
int totalSalary = personList.stream().map(Person::getSalary).reduce(0, Integer::sum);
System.out.println("总薪资: " + totalSalary);// 2. 计算平均薪资
Optional<Double> averageSalary = personList.stream().map(Person::getSalary).reduce((a, b) -> a + b).map(sum -> sum / (double) personList.size());
System.out.println("平均薪资: " + averageSalary.orElse(0.0));// 3. 查找最高薪资
Optional<Integer> maxSalary = personList.stream().map(Person::getSalary).reduce(Integer::max);
System.out.println("最高薪资: " + maxSalary.orElse(0));// 4. 查找最低薪资
Optional<Integer> minSalary = personList.stream().map(Person::getSalary).reduce(Integer::min);
System.out.println("最低薪资: " + minSalary.orElse(0));// 5. 计算年龄之和
int totalAge = personList.stream().map(Person::getAge).reduce(0, Integer::sum);
System.out.println("总年龄: " + totalAge);

5.4 collect（重要）

//收集到 List集合
List<String> names = personList.stream().map(Person::getName).collect(Collectors.toList());
//收集到 Set集合
Set<String> cities = personList.stream().map(Person::getArea).collect(Collectors.toSet());
//收集到 Map集合
Map<Integer, String> idToNameMap = personList.stream().collect(Collectors.toMap(Person::getId, Person::getName));Map<Integer, Person> idToPersonMap = personList.stream().collect(Collectors.toMap(Person::getId, v -> v));
//收集到自定义集合
List<Person> sortedList = personList.stream().sorted(Comparator.comparing(Person::getAge)).collect(Collectors.toList());
//使用 Collectors.joining 连接字符串
String namesString = personList.stream().map(Person::getName).collect(Collectors.joining(", "));
//Collectors.groupingBy
Map<String, List<Person>> cityToPeopleMap = personList.stream().collect(Collectors.groupingBy(Person::getArea));
//使用 Collectors.partitioningBy 分区
Map<Boolean, List<Person>> isAdultMap = personList.stream().collect(Collectors.partitioningBy(person -> person.getAge() >= 18));
//使用 Collectors.summarizingInt 计算统计信息
IntSummaryStatistics salarySummary = personList.stream().collect(Collectors.summarizingInt(Person::getSalary));
double average = salarySummary.getAverage();//平均值
int max = salarySummary.getMax();//最大值
long count = salarySummary.getCount();//计数
int min = salarySummary.getMin();//最小值
long sum = salarySummary.getSum();//求和

5.5 min、max、count

Optional<Person> maxSalaryPerson = personList.stream().max(Comparator.comparing(Person::getSalary));
Optional<Person> minAgePerson = personList.stream().min(Comparator.comparing(Person::getAge));
long count = personList.stream().count();

5.6 组合使用

这段代码首先计算所有 Person 对象的工资总和，然后找到年龄最大的 Person 对象，最后将所有 Person 对象的名字收集到一个 List 中。

int totalSalary = personList.stream().mapToInt(Person::getSalary).reduce(0, Integer::sum);Optional<Person> oldestPerson = personList.stream().max(Comparator.comparing(Person::getAge));List<String> names = personList.stream().map(Person::getName).collect(Collectors.toList());

6 短路的终端操作

6.1 anyMatch

boolean hasFemale = personList.stream().anyMatch(person -> "Female".equals(person.getGender()));

6.2 allMatch

boolean allAdults = personList.stream().allMatch(person -> person.getAge() >= 18);

6.3 noneMatch

boolean noRetired = personList.stream().noneMatch(person -> person.getAge() >= 65);

6.4 findFirst

Optional<Person> firstPerson = personList.stream().findFirst();

6.5 findAny

Optional<Person> anyPerson = personList.stream().findAny();

6.6 组合使用

这段代码首先检查是否存在女性，然后找到第一个成年人，最后将所有成年人的名字收集到一个 List 中。

boolean hasFemale = personList.stream().anyMatch(person -> "Female".equals(person.getGender()));Optional<Person> firstAdult = personList.stream().filter(person -> person.getAge() >= 18).findFirst();List<String> names = personList.stream().filter(person -> person.getAge() >= 18).map(Person::getName).collect(Collectors.toList());

7 并行流

并行流可以提高处理大数据集时的性能。Java Stream API 的并行处理是基于 Java 的 Fork/Join 框架实现的。Fork/Join 框架是 Java 7 引入的一种并行计算框架，它可以将一个大任务拆分成多个小任务，然后在多个处理器上并行执行这些小任务，最后将结果合并。

在 Stream API 中，并行流是通过 parallelStream() 方法创建的。当你调用 parallelStream() 方法时，Stream API 会创建一个 ForkJoinTask，并将其提交给 ForkJoinPool 执行。ForkJoinPool 是一个特殊的线程池，它使用工作窃取算法来平衡任务执行，从而提高并行处理效率。

String allNames = personList.parallelStream().map(Person::getName).collect(Collectors.joining(", "));
System.out.println("All Names (Parallel): " + allNames);

8 总结

Stream API 的主要特点包括：

1. 简洁性：Stream API 提供了一种简洁的方式来处理集合数据，使得代码更加易读、易写。
2. 可读性：Stream API 的操作可以链式调用，使得代码更加清晰、易读。并行处理：Stream API 支持
3. 并行处理，可以充分利用多核处理器的能力。
4. 惰性求值：Stream API 的操作是惰性求值的，即只有在需要结果时才会执行操作。
5. 无状态操作：Stream API 的无状态操作不会改变流中的元素，也不会改变流的状态。
6. 有状态操作：Stream API 的有状态操作会改变流的状态，或者依赖于流中的其他元素。
7. 短路操作：Stream API 的短路操作会在满足某个条件时提前结束处理，并返回一个结果。
8. 终端操作：Stream API 的终端操作会处理流中的所有元素，并返回一个结果。

创作不易，不妨点赞、收藏、关注支持一下，各位的支持就是我创作的最大动力❤️