资讯专栏INFORMATION COLUMN

《Java8实战》-第五章读书笔记(使用流Stream-02)

liangzai_cool / 803人阅读

摘要:第三个问题查找所有来自于剑桥的交易员,并按姓名排序。第六个问题打印生活在剑桥的交易员的所有交易额。第八个问题找到交易额最小的交易。

付诸实战

在本节中,我们会将迄今学到的关于流的知识付诸实践。我们来看一个不同的领域:执行交易的交易员。你的经理让你为八个查询找到答案。

找出2011年发生的所有交易,并按交易额排序(从低到高)。

交易员都在哪些不同的城市工作过?

查找所有来自于剑桥的交易员,并按姓名排序。

返回所有交易员的姓名字符串,按字母顺序排序。

有没有交易员是在米兰工作的?

打印生活在剑桥的交易员的所有交易额。

所有交易中,最高的交易额是多少?

找到交易额最小的交易。

领域:交易员和交易

以下是我们要处理的领域,一个 Traders 和 Transactions 的列表:

Trader raoul = new Trader("Raoul", "Cambridge");
Trader mario = new Trader("Mario", "Milan");
Trader alan = new Trader("Alan", "Cambridge");
Trader brian = new Trader("Brian", "Cambridge");

List transactions = Arrays.asList(
        new Transaction(brian, 2011, 300),
        new Transaction(raoul, 2012, 1000),
        new Transaction(raoul, 2011, 400),
        new Transaction(mario, 2012, 710),
        new Transaction(mario, 2012, 700),
        new Transaction(alan, 2012, 950)
);

Trader和Transaction类的定义:

public class Trader {
    private String name;
    private String city;

    public Trader(String n, String c){
        this.name = n;
        this.city = c;
    }

    public String getName() {
        return name;
    }

    public void setName(String name) {
        this.name = name;
    }

    public String getCity() {
        return city;
    }

    public void setCity(String city) {
        this.city = city;
    }

    @Override
    public String toString() {
        return "Trader{" +
                "name="" + name + """ +
                ", city="" + city + """ +
                "}";
    }
}

Transaction类:

public class Transaction {
    private Trader trader;
    private Integer year;
    private Integer value;

    public Transaction(Trader trader, Integer year, Integer value) {
        this.trader = trader;
        this.year = year;
        this.value = value;
    }

    public Trader getTrader() {
        return trader;
    }

    public void setTrader(Trader trader) {
        this.trader = trader;
    }

    public Integer getYear() {
        return year;
    }

    public void setYear(Integer year) {
        this.year = year;
    }

    public Integer getValue() {
        return value;
    }

    public void setValue(Integer value) {
        this.value = value;
    }

    @Override
    public String toString() {
        return "Transaction{" +
                "trader=" + trader +
                ", year=" + year +
                ", value=" + value +
                "}";
    }
}
首先,我们来看第一个问题:找出2011年发生的所有交易,并按交易额排序(从低到高)。
List tr2011 = transactions.stream()
                // 筛选出2011年发生的所有交易
                .filter(transaction -> transaction.getYear() == 2011)
                // 按照交易额从低到高排序
                .sorted(Comparator.comparing(Transaction::getValue))
                // 转为集合
                .collect(Collectors.toList());

太棒了,第一个问题我们很轻松的就解决了!首先,将transactions集合转为流,然后给filter传递一个谓词来选择2011年的交易,接着按照交易额从低到高进行排序,最后将Stream中的所有元素收集到一个List集合中。

第二个问题:交易员都在哪些不同的城市工作过?
List cities = transactions.stream()
                // 提取出交易员所工作的城市
                .map(transaction -> transaction.getTrader().getCity())
                // 去除已有的城市
                .distinct()
                // 将Stream中所有的元素转为一个List集合
                .collect(Collectors.toList());

是的,我们很简单的完成了第二个问题。首先,将transactions集合转为流,然后使用map提取出与交易员相关的每位交易员所在的城市,接着使用distinct去除重复的城市(当然,我们也可以去掉distinct,在最后我们就要使用collect,将Stream中的元素转为一个Set集合。collect(Collectors.toSet())),我们只需要不同的城市,最后将Stream中的所有元素收集到一个List中。

第三个问题:查找所有来自于剑桥的交易员,并按姓名排序。
List traders = transactions.stream()
                // 从交易中提取所有的交易员
                .map(Transaction::getTrader)
                // 进选择位于剑桥的交易员
                .filter(trader -> "Cambridge".equals(trader.getCity()))
                // 确保没有重复
                .distinct()
                // 对生成的交易员流按照姓名进行排序
                .sorted(Comparator.comparing(Trader::getName))
                .collect(Collectors.toList());

第三个问题,从交易中提取所有的交易员,然后进选择位于剑桥的交易员确保没有重复,接着对生成的交易员流按照姓名进行排序。

第四个问题:返回所有交易员的姓名字符串,按字母顺序排序。
String traderStr =
                transactions.stream()
                        // 提取所有交易员姓名,生成一个 Strings 构成的 Stream
                        .map(transaction -> transaction.getTrader().getName())
                        // 只选择不相同的姓名
                        .distinct()
                        // 对姓名按字母顺序排序
                        .sorted()
                        // 逐个拼接每个名字,得到一个将所有名字连接起来的 String
                        .reduce("", (n1, n2) -> n1 + " " + n2);

这些问题,我们都很轻松的就完成!首先,提取所有交易员姓名,生成一个 Strings 构成的 Stream并且只选择不相同的姓名,然后对姓名按字母顺序排序,最后使用reduce将名字拼接起来!

请注意,此解决方案效率不高(所有字符串都被反复连接,每次迭代的时候都要建立一个新
的 String 对象)。下一章中,你将看到一个更为高效的解决方案,它像下面这样使用 joining (其
内部会用到 StringBuilder ):

String traderStr =
                transactions.stream()
                            .map(transaction -> transaction.getTrader().getName())
                            .distinct()
                            .sorted()
                            .collect(joining());
第五个问题:有没有交易员是在米兰工作的?
boolean milanBased =
                transactions.stream()
                        // 把一个谓词传递给 anyMatch ,检查是否有交易员在米兰工作
                        .anyMatch(transaction -> "Milan".equals(transaction.getTrader()
                                .getCity()));

第五个问题,依旧很简单把一个谓词传递给 anyMatch ,检查是否有交易员在米兰工作。

第六个问题:打印生活在剑桥的交易员的所有交易额。
transactions.stream()
                // 选择住在剑桥的交易员所进行的交易
                .filter(t -> "Cambridge".equals(t.getTrader().getCity()))
                // 提取这些交易的交易额
                .map(Transaction::getValue)
                // 打印每个值
                .forEach(System.out::println);

第六个问题,首先选择住在剑桥的交易员所进行的交易,接着提取这些交易的交易额,然后就打印出每个值。

第七个问题:所有交易中,最高的交易额是多少?
Optional highestValue =
                transactions.stream()
                        // 提取每项交易的交易额
                        .map(Transaction::getValue)
                        // 计算生成的流中的最大值
                        .reduce(Integer::max);

第七个问题,首先提取每项交易的交易额,然后使用reduce计算生成的流中的最大值。

第八个问题:找到交易额最小的交易。
Optional smallestTransaction =
                transactions.stream()
                        // 通过反复比较每个交易的交易额,找出最小的交易
                        .reduce((t1, t2) ->
                                t1.getValue() < t2.getValue() ? t1 : t2);

是的,第八个问题很简单,但是还有更好的做法!流支持 min 和 max 方法,它们可以接受一个 Comparator 作为参数,指定
计算最小或最大值时要比较哪个键值:

Optional smallestTransaction = transactions.stream()
                                         .min(comparing(Transaction::getValue));

上面的八个问题,我们通过Stream很轻松的就完成了,真是太棒了!

数值流

我们在前面看到了可以使用 reduce 方法计算流中元素的总和。例如,你可以像下面这样计
算菜单的热量:

int calories = menu.stream()
                    .map(Dish::getCalories)
                    .reduce(0, Integer::sum);

这段代码的问题是,它有一个暗含的装箱成本。每个 Integer 都必须拆箱成一个原始类型,
再进行求和。要是可以直接像下面这样调用 sum 方法,岂不是更好?

int calories = menu.stream()
                    .map(Dish::getCalories)
                    .sum();

但这是不可能的。问题在于 map 方法会生成一个 Stream 。虽然流中的元素是 Integer 类
型,但 Streams 接口没有定义 sum 方法。为什么没有呢?比方说,你只有一个像 menu 那样的Stream ,把各种菜加起来是没有任何意义的。但不要担心,Stream API还提供了原始类型流特化,专门支持处理数值流的方法。

原始类型流特化

Java 8引入了三个原始类型特化流接口来解决这个问题: IntStream 、 DoubleStream 和
LongStream ,分别将流中的元素特化为 int 、 long 和 double ,从而避免了暗含的装箱成本。每个接口都带来了进行常用数值归约的新方法,比如对数值流求和的 sum ,找到最大元素的max。此外还有在必要时再把它们转换回对象流的方法。要记住的是,这些特化的原因并不在于流的复杂性,而是装箱造成的复杂性——即类似 int 和 Integer 之间的效率差异。

1.映射到数值流

将流转换为特化版本的常用方法是 mapToInt 、 mapToDouble 和 mapToLong 。这些方法和前
面说的 map 方法的工作方式一样,只是它们返回的是一个特化流,而不是 Stream 。例如,我们可以像下面这样用 mapToInt 对 menu 中的卡路里求和:

int calories = menu.stream()
        // 返回一个IntStream
        .mapToInt(Dish::getCalories)
        .sum();

这里, mapToInt 会从每道菜中提取热量(用一个 Integer 表示),并返回一个 IntStream
(而不是一个 Stream )。然后你就可以调用 IntStream 接口中定义的 sum 方法,对卡
路里求和了!请注意,如果流是空的, sum 默认返回 0 。 IntStream 还支持其他的方便方法,如
max 、 min 、 average 等。

2.转换回对象流

同样,一旦有了数值流,你可能会想把它转换回非特化流。例如, IntStream 上的操作只能
产生原始整数: IntStream 的 map 操作接受的Lambda必须接受 int 并返回 int (一个
IntUnaryOperator )。但是你可能想要生成另一类值,比如 Dish 。为此,你需要访问 Stream
接口中定义的那些更广义的操作。要把原始流转换成一般流(每个 int 都会装箱成一个
Integer ),可以使用 boxed 方法,如下所示:

IntStream intStream = menu.stream().mapToInt(Dish::getCalories);
Stream stream = intStream.boxed();

3.默认值 OptionalInt

求和的那个例子很容易,因为它有一个默认值: 0 。但是,如果你要计算 IntStream 中的最
大元素,就得换个法子了,因为 0 是错误的结果。如何区分没有元素的流和最大值真的是 0 的流呢?
前面我们介绍了 Optional 类,这是一个可以表示值存在或不存在的容器。 Optional 可以用
Integer 、 String 等参考类型来参数化。对于三种原始流特化,也分别有一个 Optional 原始类
型特化版本: OptionalInt 、 OptionalDouble 和 OptionalLong 。

例如,要找到 IntStream 中的最大元素,可以调用 max 方法,它会返回一个 OptionalInt :

OptionalInt maxCalories = menu.stream()
                .mapToInt(Dish::getCalories)
                .max();

现在,如果没有最大值的话,你就可以显式处理 OptionalInt 去定义一个默认值了:

int max = maxCalories.orElse(1);
数值范围

和数字打交道时,有一个常用的东西就是数值范围。比如,假设你想要生成1和100之间的所有数字。Java 8引入了两个可以用于 IntStream 和 LongStream 的静态方法,帮助生成这种范围:
range 和 rangeClosed 。这两个方法都是第一个参数接受起始值,第二个参数接受结束值。但
range 是不包含结束值的,而 rangeClosed 则包含结束值。让我们来看一个例子:

// 一个从1到100的偶数流 包含结束值
IntStream evenNumbers = IntStream.rangeClosed(1, 100)
        .filter(n -> n % 2 == 0);
// 从1到100共有50个偶数
System.out.println(evenNumbers.count());

这里我们用了 rangeClosed 方法来生成1到100之间的所有数字。它会产生一个流,然后你
可以链接 filter 方法,只选出偶数。到目前为止还没有进行任何计算。最后,你对生成的流调
用 count 。因为 count 是一个终端操作,所以它会处理流,并返回结果 50 ,这正是1到100(包括
两端)中所有偶数的个数。请注意,比较一下,如果改用 IntStream.range(1, 100) ,则结果
将会是 49 个偶数,因为 range 是不包含结束值的。

构建流

希望到现在,我们已经让你相信,流对于表达数据处理查询是非常强大而有用的。到目前为
止,你已经能够使用 stream 方法从集合生成流了。此外,我们还介绍了如何根据数值范围创建
数值流。但创建流的方法还有许多!本节将介绍如何从值序列、数组、文件来创建流,甚至由生成函数来创建无限流!

由值创建流

你可以使用静态方法 Stream.of ,通过显式值创建一个流。它可以接受任意数量的参数。例
如,以下代码直接使用 Stream.of 创建了一个字符串流。然后,你可以将字符串转换为大写,再
一个个打印出来:

Stream stream = Stream.of("Java 8 ", "Lambdas ", "In ", "Action");
stream.map(String::toUpperCase).forEach(System.out::println);

你可以使用 empty 得到一个空流,如下所示:

Stream emptyStream = Stream.empty();
由数组创建流

我们可以使用静态方法 Arrays.stream 从数组创建一个流。它接受一个数组作为参数。例如,
我们可以将一个原始类型 int 的数组转换成一个 IntStream ,如下所示:

int[] numbers = {2, 3, 5, 7, 11, 13};
// 总和41
int sum = Arrays.stream(numbers).sum();
由文件生成流

Java中用于处理文件等I/O操作的NIO API(非阻塞 I/O)已更新,以便利用Stream API。
java.nio.file.Files 中的很多静态方法都会返回一个流。例如,一个很有用的方法是
Files.lines ,它会返回一个由指定文件中的各行构成的字符串流。使用我们迄今所学的内容,我们可以用这个方法看看一个文件中有多少各不相同的词:

long uniqueWords;
try (Stream lines = Files.lines(Paths.get(ClassLoader.getSystemResource("data.txt").toURI()),
        Charset.defaultCharset())) {
    uniqueWords = lines.flatMap(line -> Arrays.stream(line.split(" ")))
            .distinct()
            .count();
    System.out.println("uniqueWords:" + uniqueWords);
} catch (IOException e) {
    e.fillInStackTrace();
} catch (URISyntaxException e) {
    e.printStackTrace();
}

你可以使用 Files.lines 得到一个流,其中的每个元素都是给定文件中的一行。然后,你
可以对 line 调用 split 方法将行拆分成单词。应该注意的是,你该如何使用 flatMap 产生一个扁平的单词流,而不是给每一行生成一个单词流。最后,把 distinct 和 count 方法链接起来,数数流中有多少各不相同的单词。

由函数生成流:创建无限流

Stream API提供了两个静态方法来从函数生成流: Stream.iterate 和 Stream.generate 。
这两个操作可以创建所谓的无限流:不像从固定集合创建的流那样有固定大小的流。由 iterate和 generate 产生的流会用给定的函数按需创建值,因此可以无穷无尽地计算下去!一般来说,应该使用 limit(n) 来对这种流加以限制,以避免打印无穷多个值。

1.迭代

我们先来看一个 iterate 的简单例子,然后再解释:

Stream.iterate(0, n -> n + 2)
        .limit(10)
        .forEach(System.out::println);

iterate 方法接受一个初始值(在这里是 0 ),还有一个依次应用在每个产生的新值上的
Lambda( UnaryOperator 类型)。这里,我们使用Lambda n -> n + 2 ,返回的是前一个元素加上2。因此,iterate方法生成了一个所有正偶数的流:流的第一个元素是初始值 0 。然后加上 2 来生成新的值 2 ,再加上 2 来得到新的值 4 ,以此类推。这种 iterate 操作基本上是顺序的,因为结果取决于前一次应用。请注意,此操作将生成一个无限流——这个流没有结尾,因为值是按需计算的,可以永远计算下去。我们说这个流是无界的。正如我们前面所讨论的,这是流和集合之间的一个关键区别。我们使用limit方法来显式限制流的大小。这里只选择了前10个偶数。然后可以调用 forEach 终端操作来消费流,并分别打印每个元素。

2.生成

与 iterate 方法类似, generate 方法也可让你按需生成一个无限流。但 generate 不是依次
对每个新生成的值应用函数的。它接受一个 Supplier 类型的Lambda提供新的值。我们先来
看一个简单的用法:

Stream.generate(Math::random)
                .limit(5)
                .forEach(System.out::println);

这段代码将生成一个流,其中有五个0到1之间的随机双精度数。例如,运行一次得到了下面
的结果:

0.8404010101858976
0.03607897810804739
0.025199243727344833
0.8368092999566692
0.14685668895309267

Math.Random 静态方法被用作新值生成器。同样,你可以用 limit 方法显式限制流的大小,
否则流将会无限长。

你可能想知道, generate 方法还有什么用途。我们使用的供应源(指向 Math.random 的方
法引用)是无状态的:它不会在任何地方记录任何值,以备以后计算使用。但供应源不一定是无状态的。你可以创建存储状态的供应源,它可以修改状态,并在为流生成下一个值时使用。

我们在这个例子中会使用 IntStream 说明避免装箱操作的代码。 IntStream 的 generate 方
法会接受一个 IntSupplier ,而不是 Supplier 。例如,可以这样来生成一个全是1的无限流:

IntStream ones = IntStream.generate(() -> 1);

还记得第三章的笔记中,Lambda允许你创建函数式接口的实例,只要直接内联提供方法的实
现就可以。你也可以像下面这样,通过实现 IntSupplier 接口中定义的 getAsInt 方法显式传递一个对象(虽然这看起来是无缘无故地绕圈子,也请你耐心看):

IntStream twos = IntStream.generate(new IntSupplier(){
            @Override
            public int getAsInt(){
                return 2;
            }
        });

generate 方法将使用给定的供应源,并反复调用 getAsInt 方法,而这个方法总是返回 2 。
但这里使用的匿名类和Lambda的区别在于,匿名类可以通过字段定义状态,而状态又可以用
getAsInt 方法来修改。这是一个副作用的例子。我们迄今见过的所有Lambda都是没有副作用的;它们没有改变任何状态。

总结

这一章的东西很多,收获也很多!现在你可以更高效地处理集合了。事实上,流让你可以简洁地表达复杂的数据处理查询。此外,流可以透明地并行化。以下是我们应从本章中学到的关键概念。
这一章的读书笔记中,我们学习和了解到了:

Streams API可以表达复杂的数据处理查询。

你可以使用 filter 、 distinct 、 skip 和 limit 对流做筛选和切片。

你可以使用 map 和 flatMap 提取或转换流中的元素。

你可以使用 findFirst 和 findAny 方法查找流中的元素。你可以用 allMatch、noneMatch 和 anyMatch 方法让流匹配给定的谓词。

这些方法都利用了短路:找到结果就立即停止计算;没有必要处理整个流。

你可以利用 reduce 方法将流中所有的元素迭代合并成一个结果,例如求和或查找最大元素。

filter 和 map 等操作是无状态的,它们并不存储任何状态。 reduce 等操作要存储状态才能计算出一个值。 sorted 和 distinct 等操作也要存储状态,因为它们需要把流中的所有元素缓存起来才能返回一个新的流。这种操作称为有状态操作。

流有三种基本的原始类型特化: IntStream 、 DoubleStream 和 LongStream 。它们的操作也有相应的特化。

流不仅可以从集合创建,也可从值、数组、文件以及 iterate 与 generate 等特定方法创建。

无限流是没有固定大小的流。

代码

Github: chap5

Gitee: chap5

文章版权归作者所有,未经允许请勿转载,若此文章存在违规行为,您可以联系管理员删除。

转载请注明本文地址:https://www.ucloud.cn/yun/77057.html

相关文章

  • Java8实战》-五章读书笔记使用Stream-01)

    摘要:跳过元素流还支持方法,返回一个扔掉了前个元素的流。归约到目前为止,我们见到过的终端操作都是返回一个之类的或对象等。这样的查询可以被归类为归约操作将流归约成一个值。通过反复使用加法,你把一个数字列表归约成了一个数字。 使用流 在上一篇的读书笔记中,我们已经看到了流让你从外部迭代转向内部迭代。这样,你就用不着写下面这样的代码来显式地管理数据集合的迭代(外部迭代)了: /** * 菜单 ...

    OldPanda 评论0 收藏0
  • 《java 8 实战读书笔记 -五章 使用

    摘要:比如,你可以建立一个,选出热量超过卡路里的头三道菜请注意也可以用在无序流上,比如源是一个。跳过元素流还支持方法,返回一个扔掉了前个元素的流。一般来说,应该使用来对这种流加以限制,以避免打印无穷多个值。 一、筛选和切片 1.用谓词筛选 Streams接口支持filter方法。该操作会接受一个谓词(一个返回boolean的函数)作为参数,并返回一个包括所有符合谓词的元素的流。例如筛选出所有...

    Richard_Gao 评论0 收藏0
  • Java8实战》-读书笔记第一章(02

    摘要:实战读书笔记第一章从方法传递到接着上次的,继续来了解一下,如果继续简化代码。去掉并且生成的数字是万,所消耗的时间循序流并行流至于为什么有时候并行流效率比循序流还低,这个以后的文章会解释。 《Java8实战》-读书笔记第一章(02) 从方法传递到Lambda 接着上次的Predicate,继续来了解一下,如果继续简化代码。 把方法作为值来传递虽然很有用,但是要是有很多类似与isHeavy...

    lushan 评论0 收藏0
  • Java8实战》-第四章读书笔记(引入Stream

    摘要:内部迭代与使用迭代器显式迭代的集合不同,流的迭代操作是在背后进行的。流只能遍历一次请注意,和迭代器类似,流只能遍历一次。 流(Stream) 流是什么 流是Java API的新成员,它允许你以声明性方式处理数据集合(通过查询语句来表达,而不是临时编写一个实现)。就现在来说,你可以把它们看成遍历数据集的高级迭代器。此外,流还可以透明地并行处理,你无需写任何多线程代码了!我会在后面的笔记中...

    _ivan 评论0 收藏0
  • Java8实战》-第六章读书笔记(用收集数据-02

    摘要:使用流收集数据分区分区是分组的特殊情况由一个谓词返回一个布尔值的函数作为分类函数,它称分区函数。这种情况下,累加器对象将会直接用作归约过程的最终结果。这也意味着,将累加器不加检查地转换为结果是安全的。 使用流收集数据 分区 分区是分组的特殊情况:由一个谓词(返回一个布尔值的函数)作为分类函数,它称分区函数。分区函数返回一个布尔值,这意味着得到的分组 Map 的键类型是 Boolean ...

    jcc 评论0 收藏0

发表评论

0条评论

最新活动
阅读需要支付1元查看
<