JAVA8 stream中三个参数的reduce方法对List进行分组统计操作
背景
平时在编写前端代码时,习惯使用lodash来编写‘野生'的JavaScript;
lodash提供来一套完整的API对JS对象(Array,Object,Collection等)进行操作,这其中就包括_.groupBy 和 _.reduce,即分组和'聚合'(reduce不知道该怎么翻译合适)。
使用这些‘野生'的API能够极大的提高我本人编写JS代码的效率。而JAVA8开始支持stream和lambda表达式,这些和lodash的API有很多类似的功能。因此我在熟悉lodash的前提下尝试使用JAVA8的新特性减少冗余代码的编写。
需求
在开发后端某功能接口的过程中,需要对一个从数据库中取出的数据List<T>进行按照ID进行聚合统计
JAVA8 reduce API
API个人理解
<U> U reduce(U u,BiFunction<U,? super T,U> accumulator,BinaryOperator<U> combiner) #第一个参数返回实例u,传递你要返回的U类型对象的初始化实例u #第二个参数累加器accumulator,可以使用二元ℷ表达式(即二元lambda表达式),声明你在u上累加你的数据来源t的逻辑 #例如(u,t)->u.sum(t),此时lambda表达式的行参列表是返回实例u和遍历的集合元素t,函数体是在u上累加t #第三个参数组合器combiner,同样是二元ℷ表达式,(u,t)->u #lambda表达式行参列表同样是(u,t),函数体返回的类型则要和第一个参数的类型保持一致
伪代码
#1.声明一个返回结果U #2.对List<T>进行遍历,在U和每个T实例上应用一个累加器进行累加操作 #3.返回最终结果U U result = identity; for (T element : this stream) result = accumulator.apply(result, element) return result;
数据准备
var source = [ {"name": "A","type": "san","typeValue": 1.0,"count": 2}, {"name": "A","type": "nas","typeValue": 13.0,"count": 1}, {"name": "B","type": "san","typeValue": 112.0,"count": 3}, {"name": "C","type": "san","typeValue": 43.0,"count": 5}, {"name": "B","type": "nas","typeValue": 77.0,"count": 7} ]; var target = [ { "name": "A", "count": 3, "totalTypeValue": 14.0, "bazList": [ { "type": "san", "typeValue": 1.0 }, { "type": "nas" "typeValue": 13.0 } ] }, { "name": "B", "count": 10, "totalTypeValue": 189.0, "bazList": [ { "type": "san", "typeValue": 112.0 }, { "type": "nas" "typeValue": 77.0 } ] }, { "name": "C", "count": 5, "totalTypeValue": 43.0, "bazList": [ { "type": "san", "typeValue": 43.0 } ] } ];
Code
讲了那么多废话,这个才是最直接的
代码执行大意
对 List<Foo> 按照name分组统计得到 List<Bar>
ReduceTest.java
import com.google.common.collect.Lists; import Bar; import Foo; import java.util.List; import java.util.stream.Collectors; public class ReduceTest { public static void main(String[] args) throws Exception{ List<Foo> fooList = Lists.newArrayList( new Foo("A","san",1.0,2), new Foo("A","nas",13.0,1), new Foo("B","san",112.0,3), new Foo("C","san",43.0,5), new Foo("B","nas",77.0,7) ); List<Bar> barList = Lists.newArrayList(); fooList .stream() .collect(Collectors.groupingBy(Foo::getName,Collectors.toList())) .forEach((name,fooListByName)->{ Bar bar = new Bar(); bar = fooListByName .stream() .reduce(bar,(u,t)->u.sum(t),(u,t)->u); System.out.println(bar.toString()); barList.add(bar); }); } /* 输出结果 name:A count:3 totalTypeValue:14.0 bazList: type:san typeValue:1.0 type:nas typeValue:13.0 name:B count:10 totalTypeValue:189.0 bazList: type:san typeValue:112.0 type:nas typeValue:77.0 name:C count:5 totalTypeValue:43.0 bazList: type:san typeValue:43.0 */ }
Foo.java
public class Foo{ private String name; private String type; private Double typeValue; private Integer count; public Foo(String name, String type, Double typeValue, Integer count) { this.name = name; this.type = type; this.typeValue = typeValue; this.count = count; } public String getName() { return name; } public void setName(String name) { this.name = name; } public String getType() { return type; } public void setType(String type) { this.type = type; } public Double getTypeValue() { return typeValue; } public void setTypeValue(Double typeValue) { this.typeValue = typeValue; } public Integer getCount() { return count; } public void setCount(Integer count) { this.count = count; } }
Bar.java
import com.google.common.collect.Lists; import java.util.List; public class Bar{ private String name; private Integer count; private Double totalTypeValue; private List<Baz> bazList; public Bar() { this.name = null; this.count = 0; this.totalTypeValue = 0.0; this.bazList = Lists.newArrayList(); } public Bar sum(Foo foo){ if(name == null){ this.name = foo.getName(); } this.count += foo.getCount(); this.totalTypeValue += foo.getTypeValue(); this.bazList.add(new Baz(foo.getType(),foo.getTypeValue())); return this; } public String getName() { return name; } public void setName(String name) { this.name = name; } public Integer getCount() { return count; } public void setCount(Integer count) { this.count = count; } @Override public String toString() { StringBuilder sb = new StringBuilder(); sb.append("name:").append(this.name).append(System.lineSeparator()); sb.append("count:").append(this.count).append(System.lineSeparator()); sb.append("totalTypeValue:").append(this.totalTypeValue).append(System.lineSeparator()); sb.append("bazList:").append(System.lineSeparator()); this.bazList.forEach(baz->{ sb.append("\t").append("type:").append(baz.getType()).append(System.lineSeparator()); sb.append("\t").append("typeValue:").append(baz.getTypeValue()).append(System.lineSeparator()); }); return sb.toString(); } }
Baz.java
public class Baz{ private String type; private Double typeValue; public Baz(String type, Double typeValue) { this.type = type; this.typeValue = typeValue; } public String getType() { return type; } public void setType(String type) { this.type = type; } public Double getTypeValue() { return typeValue; } public void setTypeValue(Double typeValue) { this.typeValue = typeValue; } }
PS
等下次有空补上不使用stream().reduce 实现同样操作的比较繁琐的代码,啦啦啦啦啦~~~
补充知识:Java8collect、reduce方法聚合操作详解
Stream的基本概念
Stream和集合的区别:
1.Stream不会自己存储元素。元素储存在底层集合或者根据需要产生。
2.Stream操作符不会改变源对象。相反,它会返回一个持有结果的新的Stream。
3.Stream操作可能是延迟执行的,这意味着它们会等到需要结果的时候才执行。
Stream操作的基本过程,可以归结为3个部分:
创建一个Stream。
在一个或者多个操作中,将指定的Stream转换为另一个Stream的中间操作。
通过终止(terminal)方法来产生一个结果。该操作会强制它之前的延时操作立即执行,这之后该Stream就不能再被使用了。
中间操作都是filter()、distinct()、sorted()、map()、flatMap()等,其一般是对数据集的整理(过滤、排序、匹配、抽取等)。
终止方法往往是完成对数据集中数据的处理,如forEach(),还有allMatch()、anyMatch()、findAny()、 findFirst(),数值计算类的方法有sum、max、min、average等等。终止方法也可以是对集合的处理,如reduce()、 collect()等等。
reduce()方法的处理方式一般是每次都产生新的数据集,而collect()方法是在原数据集的基础上进行更新,过程中不产生新的数据集。
List nums = Arrays.asList(1, 3, null, 8, 7, 8, 13, 10);
nums.stream().filter(num -> num != null).distinct().forEach(System.out::println);
上面代码实现为过滤null值并去重,遍历结果,实现简洁明了。使用传统方法就相对繁琐的多。另外其中 forEach即为终止操作方法,如果无该方法上面代码就没有任何操作。
filter、map、forEach、findAny等方法的使用都比较简单,这里省略。
下面介绍强大的聚合操作,其主要分为两种:
可变聚合:把输入的元素们累积到一个可变的容器中,比如Collection或者StringBuilder;
其他聚合:除去可变聚合,剩下的,一般都不是通过反复修改某个可变对象,而是通过把前一次的汇聚结果当成下一次的入参,反复如此。比如reduce,count,allMatch;
聚合操作reduce
Stream.reduce,返回单个的结果值,并且reduce操作每处理一个元素总是创建一个新值。常用的方法有average, sum, min, max, count,使用reduce方法都可实现。
这里主要介绍reduce方法:
T reduce(T identity, BinaryOperator accumulator)
identity:它允许用户提供一个循环计算的初始值。accumulator:计算的累加器,其方法签名为apply(T t,U u),在该reduce方法中第一个参数t为上次函数计算的返回值,第二个参数u为Stream中的元素,这个函数把这两个值计算apply,得到的和会被赋值给下次执行这个方法的第一个参数。有点绕看代码:
int value = Stream.of(1, 2, 3, 4).reduce(100, (sum, item) -> sum + item); Assert.assertSame(value, 110); /* 或者使用方法引用 */ value = Stream.of(1, 2, 3, 4).reduce(100, Integer::sum);
这个例子中100即为计算初始值,每次相加计算值都会传递到下一次计算的第一个参数。
reduce还有其它两个重载方法:
Optional reduce(BinaryOperatoraccumulator):与上面定义基本一样,无计算初始值,所以他返回的是一个Optional。
U reduce(U identity, BiFunction accumulator, BinaryOperator combiner):与前面两个参数的reduce方法几乎一致,你只要注意到BinaryOperator其实实现了BiFunction和BinaryOperator两个接口。
收集结果collect
当你处理完流时,通常只是想查看一下结果,而不是将他们聚合为一个值。先看collect的基础方法,它接受三个参数:
R collect(Supplier supplier, BiConsumer accumulator, BiConsumer combiner)
supplier:一个能创造目标类型实例的方法。accumulator:一个将当元素添加到目标中的方法。combiner:一个将中间状态的多个结果整合到一起的方法(并发的时候会用到)。接着看代码:
Stream stream = Stream.of(1, 2, 3, 4).filter(p -> p > 2); List result = stream.collect(() -> new ArrayList<>(), (list, item) -> list.add(item), (one, two) -> one.addAll(two)); /* 或者使用方法引用 */ result = stream.collect(ArrayList::new, List::add, List::addAll);
这个例子即为过滤大于2的元素,将剩余结果收集到一个新的list中。
第一个方法生成一个新的ArrayList;
第二个方法中第一个参数是前面生成的ArrayList对象,第二个参数是stream中包含的元素,方法体就是把stream中的元素加入ArrayList对象中。第二个方法被反复调用直到原stream的元素被消费完毕;
第三个方法也是接受两个参数,这两个都是ArrayList类型的,方法体就是把第二个ArrayList全部加入到第一个中;
代码有点繁琐,或者使用collect的另一个重载方法:
R collect(Collector collector)
注意到Collector其实是上面supplier、accumulator、combiner的聚合体。那么上面代码就变成:
List list = Stream.of(1, 2, 3, 4).filter(p -> p > 2).collect(Collectors.toList());
将结果收集到map中
先定义如下Person对象
class Person{ public String name; public int age; Person(String name, int age){ this.name = name; this.age = age; } @Override public String toString(){ return String.format("Person{name='%s', age=%d}", name, age); } }
假设你有一个Stream对象,希望将其中元素收集到一个map中,这样就可以根据他的名称来查找对应年龄,例如:
Map result = people.collect(HashMap::new,(map,p)->map.put(p.name,p.age),Map::putAll); /*使用Collectors.toMap形式*/
Map result = people.collect(Collectors.toMap(p -> p.name, p -> p.age, (exsit, newv) -> newv));
其中Collectors.toMap方法的第三个参数为键值重复处理策略,如果不传入第三个参数,当有相同的键时,会抛出一个IlleageStateException。
或者你想将Person分解为Map存储:
List<Map> personToMap = people.collect(ArrayList::new, (list, p) -> { Mapmap = new HashMap<>(); map.put("name", p.name); map.put("age", p.age); list.add(map); }, List::addAll);
分组和分片
对具有相同特性的值进行分组是一个很常见的任务,Collectors提供了一个groupingBy方法,方法签名为:
Collector<T,?,Map> groupingBy(Function classifier, Collector downstream)
classifier:一个获取Stream元素中主键方法。downstream:一个操作对应分组后的结果的方法。
假如要根据年龄来分组:
Map<Integer, List> peopleByAge = people.filter(p -> p.age > 12).collect(Collectors.groupingBy(p -> p.age, Collectors.toList()));
假如我想要根据年龄分组,年龄对应的键值List存储的为Person的姓名,怎么做呢:
Map<Integer, List> peopleByAge = people.collect(Collectors.groupingBy(p -> p.age, Collectors.mapping((Person p) -> p.name, Collectors.toList())));
mapping即为对各组进行投影操作,和Stream的map方法基本一致。
假如要根据姓名分组,获取每个姓名下人的年龄总和(好像需求有些坑爹):
Map sumAgeByName = people.collect(Collectors.groupingBy(p -> p.name, Collectors.reducing(0, (Person p) -> p.age, Integer::sum))); /* 或者使用summingInt方法 */ sumAgeByName = people.collect(Collectors.groupingBy(p -> p.name, Collectors.summingInt((Person p) -> p.age)));
可以看到Java8的分组功能相当强大,当然你还可以完成更复杂的功能。另外Collectors中还存在一个类似groupingBy的方法:partitioningBy,它们的区别是partitioningBy为键值为Boolean类型的groupingBy,这种情况下它比groupingBy更有效率。
join和统计功能
话说Java8中新增了一个StringJoiner,Collectors的join功能和它基本一样。用于将流中字符串拼接并收集起来,使用很简单:
String names = people.map(p->p.name).collect(Collectors.joining(","))
Collectors分别提供了求平均值averaging、总数couting、最小值minBy、最大值maxBy、求和suming等操作。但是假如你希望将流中结果聚合为一个总和、平均值、最大值、最小值,那么Collectors.summarizing(Int/Long/Double)就是为你准备的,它可以一次行获取前面的所有结果,其返回值为(Int/Long/Double)SummaryStatistics。
DoubleSummaryStatistics dss = people.collect(Collectors.summarizingDouble((Person p)->p.age)); double average=dss.getAverage(); double max=dss.getMax(); double min=dss.getMin(); double sum=dss.getSum(); double count=dss.getCount();
以上这篇JAVA8 stream中三个参数的reduce方法对List进行分组统计操作就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持我们。