【Java】stream流 stream流可以通过简单的方式去处理一个数据集合，而不用通过冗杂的循环遍历Stream中的元素是以Optional类型存在的optional 允许元素为空。

什么是stream流

stream流可以通过简单的方式去处理一个数据集合，而不用通过冗杂的循环遍历

Stream中的元素是以Optional类型存在的

optional 允许元素为空

stream流有什么特性

• stream不存储数据，而是按照特定的规则对数据进行计算，一般会输出结果。

• stream不会改变数据源，通常情况下会产生一个新的集合或一个值。

• stream具有延迟执行特性，只有调用终端操作时，中间操作才会执行。

stream流怎么操作

• 中间操作，每次返回一个新的流，可以有多个。（筛选filter、映射map、排序sorted、去重组合skip—limit）

• 终端操作，每个流只能进行一次终端操作，终端操作结束后流无法再次使用。终端操作会产生一个新的集合或值。（遍历foreach、匹配find–match、规约reduce、聚合max–min–count、收集collect）

创建操作

stream和parallelStream的简单区分： stream是顺序流，由主线程按顺序对流执行操作，而parallelStream是并行流，内部以多线程并行执行的方式对流进行操作，但前提是流中的数据处理没有顺序要求。

如果流中的数据量足够大，并行流可以加快处速度。

除了直接创建并行流，还可以通过parallel()把顺序流转换成并行流：

通过集合

list.stream()

通过数组

Arrays.stream(array)

直接创建

Stream.of(1, 2, 3, 4, 5, 6)
Stream stream2 = Stream.iterate(0, (x) -> x + 3).limit(4);
stream2.forEach(System.out::println);
Stream stream3 = Stream.generate(Math::random).limit(3);
stream3.forEach(System.out::println);

合并

String[] arr1 = { "a", "b", "c", "d" };
	String[] arr2 = { "d", "e", "f", "g" };
	Stream stream1 = Stream.of(arr1);
	Stream stream2 = Stream.of(arr2);
	// concat:合并两个流 
	List newList = Stream.concat(stream1, stream2).collect(Collectors.toList());

中间操作

筛选 filter

// 输出符合条件的元素
list.stream().filter(x -> x > 6).forEach(System.out::println);

映射 map flatMap

映射，可以将一个流的元素按照一定的映射规则映射到另一个流中

• map：接收一个函数作为参数，该函数会被应用到每个元素上，并将其映射成一个新的元素。

• flatMap：接收一个函数作为参数，将流中的每个值都换成另一个流，然后把所有流连接成一个流。

String[] strArr = { "abcd", "bcdd", "defde", "fTr" };
	List strList = Arrays.stream(strArr).map(String::toUpperCase).collect(Collectors.toList());
	List intList = Arrays.asList(1, 3, 5, 7, 9, 11);
	List intListNew = intList.stream().map(x -> x + 3).collect(Collectors.toList());
	System.out.println("每个元素大写：" + strList);
	System.out.println("每个元素+3：" + intListNew);

排序 sorted

sorted，中间操作。有两种排序：

• sorted()：自然排序，流中元素需实现Comparable接口

• sorted(Comparator com)：Comparator排序器自定义排序

List personList = new ArrayList();
	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"));
	// 按工资升序排序（自然排序）
	List newList = personList.stream().sorted(Comparator.comparing(Person::getSalary)).map(Person::getName)
	.collect(Collectors.toList());
	// 按工资倒序排序
	List newList2 = personList.stream().sorted(Comparator.comparing(Person::getSalary).reversed())
	.map(Person::getName).collect(Collectors.toList());
	// 先按工资再按年龄升序排序
	List newList3 = personList.stream()
	.sorted(Comparator.comparing(Person::getSalary).thenComparing(Person::getAge)).map(Person::getName)
	.collect(Collectors.toList());
	// 先按工资再按年龄自定义排序（降序）
	List 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("按工资升序排序：" + newList);
	System.out.println("按工资降序排序：" + newList2);
	System.out.println("先按工资再按年龄升序排序：" + newList3);
	System.out.println("先按工资再按年龄自定义降序排序：" + newList4);

去重 distinct

list.stream().distinct().collect(Collectors.toList());

跳过 skip

// skip：跳过前n个数据 这里的1代表把1代入后边的计算表达式
	List collect2 = Stream.iterate(1, x -> x + 2).skip(1).limit(5).collect(Collectors.toList());
	System.out.println("skip：" + collect2); // 3,5,7,9,11

限制数量 limit

// limit：限制从流中获得前n个数据
	List collect = Stream.iterate(1, x -> x + 2).limit(3).collect(Collectors.toList());
System.out.println("limit：" + collect);//1,3,5

终止操作

遍历 forEach

// 遍历输出输出符合条件的元素
list.stream().filter(x -> x > 6).forEach(System.out::println);

选取 findFirst、findAny

// 选取第一个
 Optional findFirst = list.stream().filter(x -> x > 6).findFirst();
 // 选取任意一个（适用于并行流）
 Optional findAny = list.parallelStream().filter(x -> x > 6).findAny();
 
 System.out.println("匹配第一个值：" + findFirst.get());
 System.out.println("匹配任意一个值：" + findAny.get());

是否匹配 anyMatch

// 是否包含符合特定条件的元素
boolean anyMatch = list.stream().anyMatch(x -> x > 6);
System.out.println("是否存在大于6的值：" + anyMatch);// true

统计 max、min、count

List list = Arrays.asList(7, 6, 9, 4, 11, 6);
	// 自然排序
	Optional max = list.stream().max(Integer::compareTo);
	// 自定义排序
	Optional max2 = list.stream().max(new Comparator() {
	@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("自定义排序的最大值：" + max2.get());
	 long count = list.stream().filter(x -> x > 6).count();
	System.out.println("list中大于6的元素个数：" + count);

缩减 reduce （求和、求积、最值）

把一个流缩减成一个值，能实现对集合求和、求乘积和求最值操作。

第一次执行时，accumulator函数的第一个参数为流中的第一个元素，第二个参数为流中元素的第二个元素；第二次执行时，第一个参数为第一次函数执行的结果，第二个参数为流中的第三个元素；依次类推。

​ T reduce(T identity, BinaryOperator accumulator)：流程跟上面一样，只是第一次执行时，accumulator函数的第一个参数为identity，而第二个参数为流中的第一个元素。

List list = Arrays.asList(1, 3, 2, 8, 11, 4);
	// 求和方式1
	Optional sum = list.stream().reduce((x, y) -> x + y);
	// 求和方式2
	Optional sum2 = list.stream().reduce(Integer::sum);
	// 求和方式3
	Integer sum3 = list.stream().reduce(0, Integer::sum);
	
	// 求乘积
	Optional product = list.stream().reduce((x, y) -> x * y);
	// 求最大值方式1
	Optional max = list.stream().reduce((x, y) -> x > y ? x : y);
	// 求最大值写法2
	Integer max2 = list.stream().reduce(1, Integer::max);
	System.out.println("list求和：" + sum.get() + "," + sum2.get() + "," + sum3);
	System.out.println("list求积：" + product.get());
	System.out.println("list求和：" + max.get() + "," + max2);

收集 collect

把一个流收集起来，最终可以是收集成一个值也可以收集成一个新的集合

归集 toList、toSet、toMap

List list = Arrays.asList(1, 6, 3, 4, 6, 7, 9, 6, 20);
	List listNew = list.stream().filter(x -> x % 2 == 0).collect(Collectors.toList());
	Set set = list.stream().filter(x -> x % 2 == 0).collect(Collectors.toSet());
	List personList = new ArrayList();
	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

统计 count、averaging

Collectors提供了一系列用于数据统计的静态方法：

计数：count

平均值：averagingInt、averagingLong、averagingDouble

最值：maxBy、minBy

求和：summingInt、summingLong、summingDouble

统计以上所有：summarizingInt、summarizingLong、summarizingDouble

List personList = new ArrayList();
	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"));
	// 求总数
	Long count = personList.stream().collect(Collectors.counting());
	// 求平均工资
	Double average = personList.stream().collect(Collectors.averagingDouble(Person::getSalary));
	// 求最高工资
	Optional max = personList.stream().map(Person::getSalary).collect(Collectors.maxBy(Integer::compare));
	// 求工资之和
	Integer sum = personList.stream().collect(Collectors.summingInt(Person::getSalary));
	// 一次性统计所有信息
	DoubleSummaryStatistics collect = personList.stream().collect(Collectors.summarizingDouble(Person::getSalary));
	System.out.println("员工总数：" + count);
	System.out.println("员工平均工资：" + average);
	System.out.println("员工工资总和：" + sum);
	System.out.println("员工工资所有统计：" + collect);

分组 partitioningBy、groupingBy

• 分区：将stream按条件分为两个Map，比如员工按薪资是否高于8000分为两部分。

• 分组：将集合分为多个Map，比如员工按性别分组。有单级分组和多级分组。

List personList = new ArrayList();
	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"));
	// 将员工按薪资是否高于8000分组
 Map part = personList.stream().collect(Collectors.partitioningBy(x -> x.getSalary() > 8000));
 // 将员工按性别分组
 Map group = personList.stream().collect(Collectors.groupingBy(Person::getSex));
 // 将员工先按性别分组，再按地区分组
 Map group2 = personList.stream().collect(Collectors.groupingBy(Person::getSex, Collectors.groupingBy(Person::getArea)));
 System.out.println("员工按薪资是否大于8000分组情况：" + part);
 System.out.println("员工按性别分组情况：" + group);
 System.out.println("员工按性别、地区：" + group2);

结合 joining

joining可以将stream中的元素用特定的连接符（没有的话，则直接连接）连接成一个字符串。

List personList = new ArrayList();
	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("所有员工的姓名：" + names);
	List list = Arrays.asList("A", "B", "C");
	String string = list.stream().collect(Collectors.joining("-"));
	System.out.println("拼接后的字符串：" + string);

参考资料

【java基础】吐血总结Stream流操作_java stream流操作-CSDN博客