Stream实战-统计求和

Stream实战-统计

stream在开发中经常使用场景就是统计,再次记录一下实际开发中用的到统计,使用模拟数据。

需求如下:

代码如下:

java 复制代码
/**
 * map集合统计
 */
public class StreamDemo4 {
    /**
     * 实体类
     */
    @Data
    @AllArgsConstructor
    @NoArgsConstructor
    class Book{
        /** 名称 */
        private String name;
        /** 数量 */
        private Integer count;
    }

    /**
     * 初始化集合
     */
    public List<Book> init(){
         return Stream.of(
            new Book("java",10),
            new Book("java",20),
            new Book("web",10),
            new Book("linux",10)
        ).collect(Collectors.toList());
    }

    /**
     * map分组统计每科书的数量
     */
    public Map<String,Integer> mapCount(){
        List<Book> init = init();
        return init.stream().
            collect(Collectors.groupingBy(Book::getName, Collectors.summingInt(Book::getCount)));
    }

    /**
     * Map 转换 List
     */
    public List<Book> mapConvertList(){
        Map<String, Integer> map = mapCount();
        return map.entrySet().stream()
            .map(entry -> new Book(entry.getKey(), entry.getValue()))
            .collect(Collectors.toList());
    }


    /**
     * list统计每科书的数量
     */
    public List<Book> listCount(){
        List<Book> init = init();
        return init.stream().collect(Collectors.groupingBy(Book::getName))
            .entrySet().stream().map(
                entry -> {
                    String name = entry.getKey();
                    int sum = entry.getValue().stream().mapToInt(Book::getCount).sum();
                    return new Book(name, sum);
                }).collect(Collectors.toList());
    }

    public List<Book> groupAndSum() {
        List<Book> init = init();
        return init.stream()
            .collect(Collectors.groupingBy(Book::getName,
                Collectors.reducing(0, Book::getCount, Integer::sum)))
            .entrySet().stream()
            .map(entry -> new Book(entry.getKey(), entry.getValue()))
            .collect(Collectors.toList());
    }

    public static void main(String[] args) {
        StreamDemo4 streamDemo4 = new StreamDemo4();

        System.out.println("=== ===Map统计=== ===");
        streamDemo4.mapCount().entrySet().forEach(System.out::println);

        System.out.println("=== ===Map转换List=== ===");
        streamDemo4.mapConvertList().forEach(System.out::println);

        System.out.println("=== ===List统计=== ===");
        streamDemo4.listCount().forEach(System.out::println);

        System.out.println("=== ===List统计方式2=== ===");
        streamDemo4.groupAndSum().forEach(System.out::println);
    }
}

代码中的方法

  • groupingBy:对流进行分组,在此案例中把name当作Key,把List<Book》当作value
  • entrySet:把map集合转换成Set<Map<String,Integer》》格式
  • map:提取原流中元素 进行处理
  • mapToInt:把结果转换成IntStream流
  • sum:和mapToInt搭配使用,IntStream流的结果求和
  • reducing:对流进行一些统计,如求和,求积,统计,最大,最小等
    进行处理
  • mapToInt:把结果转换成IntStream流
  • sum:和mapToInt搭配使用,IntStream流的结果求和
  • reducing:对流进行一些统计,如求和,求积,统计,最大,最小等
  • summingInt:对整数流元素进行求和
相关推荐
鱼跃鹰飞3 分钟前
经典面试题:K8S的自动缩扩容和崩溃恢复
java·容器·kubernetes
Coder_Boy_8 分钟前
Spring Boot 事务回滚异常 UnexpectedRollbackException 详解(常见问题集合)
java·spring boot·后端
青云交9 分钟前
Java 大视界 -- 基于 Java+Redis Cluster 构建分布式缓存系统:实战与一致性保障(444)
java·redis·缓存·缓存穿透·分布式缓存·一致性保障·java+redis clus
不知疲倦的仄仄10 分钟前
第五天:深度解密 Netty ByteBuf:高性能 IO 的基石
java·开源·github
xiaobaishuoAI13 分钟前
后端工程化实战指南:从规范到自动化,打造高效协作体系
java·大数据·运维·人工智能·maven·devops·geo
期待のcode16 分钟前
TransactionManager
java·开发语言·spring boot
Hello.Reader17 分钟前
PyFlink JAR、Python 包、requirements、虚拟环境、模型文件,远程集群怎么一次搞定?
java·python·jar
计算机学姐18 分钟前
基于SpringBoot的汽车租赁系统【个性化推荐算法+数据可视化统计】
java·vue.js·spring boot·后端·spring·汽车·推荐算法
七夜zippoe19 分钟前
分布式事务解决方案 2PC 3PC与JTA深度解析
java·分布式事务·cap·2pc·3pc·jta
我是人✓20 分钟前
Spring IOC入门
java·数据库·spring