关于java:java-8特性

10次阅读

共计 1890 个字符,预计需要花费 5 分钟才能阅读完成。

public class UserPo {
    private String name;
    private Double score;
    
    // 省略构造函数及 getter、setter
}

filter

filter:过滤,就是过滤器,符合条件的通过,不符合条件的过滤掉

// 筛选出问题不为空的学生人数
count = list.stream().filter(p -> null != p.getScore()).count();
map

map:

映射,他将原汇合映射成为新的汇合,在 VO、PO 解决的过程中较常见。在本例子中,原汇合就是 PO 汇合,新汇合能够自定义映射为问题汇合,同时也能够对新汇合进行相干操作


// 取出所有学生的问题
List<Double> scoreList = list.stream().map(p -> p.getScore()).collect(Collectors.toList());

// 将学生姓名汇合串成字符串,用逗号分隔
String nameString = list.stream().map(p -> p.getName()).collect(Collectors.joining(","));

sorted

sorted:排序,能够依据指定的字段进行排序


// 按学生问题逆序排序 正序则不须要加.reversed()
filterList = list.stream().filter(p -> null != p.getScore()).sorted(Comparator.comparing(UserPo::getScore).reversed()).collect(Collectors.toList());

forEach

forEach:这个应该是最罕用的,也就是为每一个元素进行自定义操作

除了 forEach 操作会扭转原汇合的数据,其余的操作均不会扭转原汇合,这点务必引起留神

// 学生问题太差了,及格率太低,给每个学生加 10 分,放个水
// forEach
filterList.stream().forEach(p -> p.setScore(p.getScore() + 10));

collect

collect:聚合,能够用于 GroudBy 按指定字段分类,也能够用于返回列表或者拼凑字符串

// 按问题进行归集
Map<Double, List<UserPo>> groupByScoreMap = list.stream().filter(p -> null != p.getScore()).collect(Collectors.groupingBy(UserPo::getScore));
for (Map.Entry<Double, List<UserPo>> entry : groupByScoreMap.entrySet()) {System.out.println("问题:" + entry.getKey() + "人数:" + entry.getValue().size());
}

// 返回 list
List<Double> scoreList = list.stream().map(p -> p.getScore()).collect(Collectors.toList());
// 返回 string 用逗号分隔
String nameString = list.stream().map(p -> p.getName()).collect(Collectors.joining(","));

statistics

statistics:统计,能够统计中位数,平均值,最大最小值

DoubleSummaryStatistics statistics = filterList.stream().mapToDouble(p -> p.getScore()).summaryStatistics();
System.out.println("列表中最大的数 :" + statistics.getMax());
System.out.println("列表中最小的数 :" + statistics.getMin());
System.out.println("所有数之和 :" + statistics.getSum());
System.out.println("平均数 :" + statistics.getAverage());

parallelStream

parallelStream:并行流,能够利用多线程进行流的操作,晋升效率。然而其不具备线程流传性,因而应用时须要充沛评估是否须要用并行流操作


// 并行流
count = list.parallelStream().filter(p -> null != p.getScore()).count();
正文完
 0