当前位置:首页 > 文章列表 > 文章 > java教程 > StreamAPI高效分割数据:获取对象与缺失ID方法

StreamAPI高效分割数据:获取对象与缺失ID方法

2025-07-09 19:33:24 0浏览 收藏

“纵有疾风来,人生不言弃”,这句话送给正在学习文章的朋友们,也希望在阅读本文《Stream API高效分割数据:获取对象与缺失ID列表》后,能够真的帮助到大家。我也会在后续的文章中,陆续更新文章相关的技术文章,有好的建议欢迎大家在评论留言,非常感谢!

高效分割流数据:使用 Stream API 获取对象列表和缺失 ID 列表

本文介绍了如何使用 Java Stream API 高效地处理 ID 列表,并根据 ID 是否存在于 Map 中,将其分割成包含对应对象的列表和包含缺失 ID 的列表。通过 partitioningBy 方法,避免了传统循环的冗余代码,使代码更简洁易懂。

在处理数据时,经常会遇到需要根据特定条件将数据分割成不同集合的需求。例如,我们有一个 ID 列表和一个 ID 到对象的映射 Map,需要根据 ID 是否存在于 Map 中,将 ID 分割成包含对应对象的列表和包含缺失 ID 的列表。传统的做法通常是使用循环遍历 ID 列表,逐个判断 ID 是否存在于 Map 中,然后将 ID 或对象添加到相应的列表中。这种方法代码冗余,可读性差。Java Stream API 提供了 partitioningBy 方法,可以更简洁高效地实现这一需求。

使用 partitioningBy 分割流数据

partitioningBy 是 Collectors 类中的一个静态方法,它接受一个 Predicate 函数式接口作为参数,用于判断流中的元素是否满足特定条件。partitioningBy 方法会根据 Predicate 的返回值(true 或 false)将流中的元素分割成两个列表,并将其作为 Map 的值返回,Map 的键分别为 true 和 false。

以下代码展示了如何使用 partitioningBy 方法将 ID 列表分割成包含对应对象的列表和包含缺失 ID 的列表:

import java.util.*;
import java.util.stream.Collectors;

public class StreamPartitioning {

    public static void main(String[] args) {
        List myIdList = Arrays.asList("a", "b", "c");
        Map myObjectMap = new HashMap<>();
        myObjectMap.put("b", "B");

        Map> partitioned = myIdList.stream()
                .collect(Collectors.partitioningBy(myObjectMap::containsKey));

        List objectList = partitioned.get(true).stream()
                .map(myObjectMap::get).collect(Collectors.toList());
        List missingObjIds = partitioned.get(false);

        System.out.println("objectList=" + objectList);
        System.out.println("missingObjIds=" + missingObjIds);
    }
}

代码解析:

  1. 准备数据: 首先,我们创建了一个 ID 列表 myIdList 和一个 ID 到对象的映射 Map myObjectMap。
  2. 使用 partitioningBy 分割流: 我们使用 myIdList.stream() 创建一个流,然后调用 collect(Collectors.partitioningBy(myObjectMap::containsKey)) 方法将流分割成两个列表。myObjectMap::containsKey 是一个方法引用,它等价于 id -> myObjectMap.containsKey(id),用于判断 ID 是否存在于 myObjectMap 中。
  3. 获取对象列表和缺失 ID 列表: partitioned.get(true) 返回包含存在于 myObjectMap 中的 ID 的列表,我们使用 stream().map(myObjectMap::get).collect(Collectors.toList()) 将 ID 列表转换成对象列表。partitioned.get(false) 返回包含不存在于 myObjectMap 中的 ID 的列表,即缺失 ID 列表。
  4. 输出结果: 最后,我们输出对象列表和缺失 ID 列表。

输出结果:

objectList=[B]
missingObjIds=[a, c]

注意事项:

  • partitioningBy 方法返回的 Map 的键只能是 true 或 false。
  • partitioningBy 方法会将流中的所有元素都处理一遍,因此如果流中的元素数量很大,可能会影响性能。

总结:

使用 Java Stream API 的 partitioningBy 方法可以高效地将流数据分割成不同的集合,避免了传统循环的冗余代码,使代码更简洁易懂。在处理需要根据特定条件将数据分割成不同集合的场景中,partitioningBy 方法是一个非常实用的工具。

终于介绍完啦!小伙伴们,这篇关于《StreamAPI高效分割数据:获取对象与缺失ID方法》的介绍应该让你收获多多了吧!欢迎大家收藏或分享给更多需要学习的朋友吧~golang学习网公众号也会发布文章相关知识,快来关注吧!

Golang启动慢?初始化优化技巧分享Golang启动慢?初始化优化技巧分享
上一篇
Golang启动慢?初始化优化技巧分享
PHP支付回调接口开发教程
下一篇
PHP支付回调接口开发教程
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    474次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    532次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    552次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    505次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    324次使用