关于java:Java-实现汇总排序

26次阅读

共计 2689 个字符，预计需要花费 7 分钟才能阅读完成。

排序在零碎中常常能用到，个别能够在数据库做排序，也能够在服务端做排序。在数据库个别应用 order by 排序。而服务端也是应用快排。本期应用汇总排序。

统计销售数据，每个销售员都有对应的部门和销售量，当初要统计销售数据。

要求 部门总销量递加排序，雷同部门的也依照递加排序。

比方：

销售员	部门	销售额
A	南部	100w
B	南部	20W
C	北部	30W
D	北部	70W
E	北部	40W
F	东部	150W

依据汇总排序:

部门	销售额
东部	150W
北部	130W
南部	120W

而后依据先依照部门总和排序，雷同部门依照递加排序:

销售员	部门	销售额
F	东部	150W
D	北部	70W
E	北部	40W
C	北部	30W
E	南部	100W
F	南部	20W

后期创立 model

public class SalesmanStatistic {public SalesmanStatistic(String salesman, String department, Integer amount) {
        this.salesman = salesman;
        this.department = department;
        this.amount = amount;
    }

    @Override
    public String toString() {
        return "{salesman='" + salesman + '\'' +
                ", department='" + department + '\'' +
                ", amount=" + amount +
                '}';
    }

    private String salesman;

    private String department;

    private Integer amount;
}

增加数据

        // 填充数据
        List<SalesmanStatistic> list = new ArrayList<>();
        SalesmanStatistic statistic1 = new SalesmanStatistic("A","北方",100);
        SalesmanStatistic statistic2 = new SalesmanStatistic("B","北方",20);
        SalesmanStatistic statistic3 = new SalesmanStatistic("C","南方",30);
        SalesmanStatistic statistic4 = new SalesmanStatistic("D","南方",70);
        SalesmanStatistic statistic5 = new SalesmanStatistic("E","南方",40);
        SalesmanStatistic statistic6 = new SalesmanStatistic("F","西方",150);
        list.add(statistic1);
        list.add(statistic2);
        list.add(statistic3);
        list.add(statistic4);
        list.add(statistic5);
        list.add(statistic6);

应用两个 map，key 都是存部门，第一个 map 的 value 销售额的总额，第二个是存同部门的列表。

        Map<String,Integer> sumMap = new HashMap<>();
        Map<String, List<SalesmanStatistic>> listMap = new HashMap<>();
        // 把数据放在 map 外面
        for (SalesmanStatistic statistic : list) {String key = statistic.getDepartment();
            Integer amount = statistic.getAmount();
            sumMap.put(key,sumMap.getOrDefault(key,0) + amount);
            List<SalesmanStatistic> subList = listMap.get(key);
            if (subList == null) {subList = new ArrayList<>();
            }
            subList.add(statistic);
            listMap.put(key,subList);
        }

首先进行总量 sumMap 排序, 就是对 sumMap 的 value 进行排序：

        // 对总和 sumMap 排序
        List<Map.Entry<String,Integer>> sumMapList = new ArrayList<>(sumMap.entrySet());
        sumMapList.sort((o1, o2) -> o2.getValue().compareTo(o1.getValue()));

以上获取到总和 sumMap 的列表，从大到小排列，而后遍历每个数据，依据 key 匹配到 listMap 的 key。首先获取对 listMap 的 value 列表进行排序，而后把 list 增加到总的汇合外面。

        List<SalesmanStatistic> list = new ArrayList<>();
        for (Map.Entry<String,Integer> entry : sumMapList) {List<SalesmanStatistic> list1 =  listMap.get(entry.getKey());
            list1.sort((o1, o2) -> o2.getAmount().compareTo(o1.getAmount()));
            list.addAll(list1);
        }
        list.stream().forEach(list3 -> System.out.println(list3.toString()));

打印输出后果：

{salesman='F', department='西方', amount=150}
{salesman='D', department='南方', amount=70}
{salesman='E', department='南方', amount=40}
{salesman='C', department='南方', amount=30}
{salesman='A', department='北方', amount=100}
{salesman='B', department='北方', amount=20}

依据部门汇总和进行排序，而后每个部门也依照从大到小排序。这里应用到 map 的 键值对 属性。流程如下：