JavaStream快速排序学生平均分

哈喽！大家好，很高兴又见面了，我是golang学习网的一名作者，今天由我给大家带来一篇《Java Stream高效排序学生平均分》，本文主要会讲到等等知识点，希望大家一起学习进步，也欢迎大家关注、点赞、收藏、转发! 下面就一起来看看吧！

本文详细介绍了如何利用Java Stream API高效处理学生成绩数据。内容涵盖从原始输入中收集学生姓名及成绩，到计算每个学生的平均分，再到根据平均分进行筛选和降序排序，最终以指定格式输出结果。重点阐述了通过预计算平均分来优化性能，避免重复计算，并利用Stream API的强大功能实现简洁高效的数据处理流程。

1. 概述与问题背景

在数据处理场景中，我们经常需要对集合数据进行转换、筛选和排序。以学生成绩管理为例，常见的需求包括：收集学生的各科成绩，计算平均分，筛选出符合特定条件的（如平均分高于某个阈值）学生，并按平均分高低进行排序。Java 8引入的Stream API为这类数据处理提供了强大而简洁的解决方案。

本教程将演示如何使用Java Stream API来解决以下问题：

1. 从输入中读取学生姓名和成绩。
2. 存储每个学生的多个成绩。
3. 计算每个学生的平均分。
4. 筛选出平均分高于或等于特定阈值（例如4.50）的学生。
5. 将筛选后的学生按平均分降序排列。
6. 以特定格式输出学生姓名及其平均分（保留两位小数）。

2. 数据收集与初始存储

首先，我们需要从标准输入读取数据。学生姓名和成绩是交替输入的，并且每个学生可能有多个成绩。为了存储这些数据，一个 Map> 是一个非常合适的选择，其中键是学生姓名，值是该学生所有成绩的列表。

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

public class Main {
    public static void main(String[] args) {
        Scanner scanner = new Scanner(System.in);

        int n = Integer.parseInt(scanner.nextLine()); // 读取学生/成绩对的数量

        // 使用Map存储学生姓名及其对应的成绩列表
        Map> studentRecords = new HashMap<>();

        // 循环读取n对学生姓名和成绩
        while (n > 0) {
            String name = scanner.nextLine();
            double grade = Double.parseDouble(scanner.nextLine());

            // 如果学生不存在，则创建新的成绩列表；否则，将成绩添加到现有列表中
            studentRecords.putIfAbsent(name, new ArrayList<>());
            studentRecords.get(name).add(grade);
            n--;
        }
        // 关闭Scanner，释放资源
        scanner.close();

        // 后续处理将基于这个 studentRecords Map
    }
}

在上述代码中，putIfAbsent 方法确保如果学生姓名首次出现，会为他创建一个新的 ArrayList 来存储成绩。

3. Stream API处理：优化平均分计算与排序

原始问题中，用户在 filter 和 sorted 操作中都重复计算了学生的平均分，这会导致性能下降。更优的方法是先计算出每个学生的平均分，将其存储在一个新的 Map 中，然后再对这个新的Map进行筛选和排序。

3.1 预计算平均分

我们可以使用Stream API的 collect(Collectors.toMap(...)) 操作将 Map> 转换为 Map，其中值是计算好的平均分。

        // 将原始学生成绩Map转换为学生姓名和其平均分的Map
        Map studentAverages = studentRecords.entrySet()
                .stream()
                .collect(Collectors.toMap(
                        Map.Entry::getKey, // 使用原始Map的键（学生姓名）作为新Map的键
                        entry -> entry.getValue().stream() // 获取成绩列表
                                .mapToDouble(Double::doubleValue) // 转换为DoubleStream
                                .average() // 计算平均值
                                .orElse(0.0) // 如果没有成绩（理论上不会发生），默认平均分为0.0
                ));

这一步是性能优化的关键。通过一次性计算并存储平均分，避免了在后续的过滤和排序操作中重复执行耗时的平均分计算。

3.2 筛选与排序

有了 studentAverages 这个 Map，接下来的筛选和排序就变得非常直接和高效。

1. 筛选 (Filter): 使用 filter 操作过滤出平均分大于或等于4.50的学生。
2. 排序 (Sort): 使用 sorted 操作，并结合 Map.Entry.comparingByValue(Comparator.reverseOrder()) 来按平均分（即Map的值）进行降序排序。Comparator.reverseOrder() 确保了降序排列。
3. 输出 (ForEach): 最后使用 forEach 遍历结果，并使用 String.format 或 System.out.printf 来格式化输出，将平均分保留两位小数。

        // 对包含平均分的Map进行筛选、排序和输出
        studentAverages.entrySet()
                .stream()
                .filter(entry -> entry.getValue() >= 4.50) // 筛选平均分大于或等于4.50的学生
                .sorted(Map.Entry.comparingByValue(Comparator.reverseOrder())) // 按平均分降序排序
                .forEach(pair -> {
                    // 格式化输出，平均分保留两位小数
                    System.out.printf("%s -> %.2f%n", pair.getKey(), pair.getValue());
                });

4. 完整代码示例

将以上所有部分整合，构成一个完整的Java程序：

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

public class Main {
    public static void main(String[] args) {
        Scanner scanner = new Scanner(System.in);

        int n = Integer.parseInt(scanner.nextLine());

        // 1. 数据收集：存储学生姓名及其所有成绩
        Map> studentRecords = new HashMap<>();
        while (n > 0) {
            String name = scanner.nextLine();
            double grade = Double.parseDouble(scanner.nextLine());
            studentRecords.putIfAbsent(name, new ArrayList<>());
            studentRecords.get(name).add(grade);
            n--;
        }
        scanner.close();

        // 2. 预计算平均分：将学生成绩Map转换为学生平均分Map
        Map studentAverages = studentRecords.entrySet()
                .stream()
                .collect(Collectors.toMap(
                        Map.Entry::getKey,
                        entry -> entry.getValue().stream()
                                .mapToDouble(Double::doubleValue)
                                .average()
                                .orElse(0.0) // 处理无成绩的情况，尽管本例输入不会出现
                ));

        // 3. 筛选、排序并输出：
        studentAverages.entrySet()
                .stream()
                .filter(entry -> entry.getValue() >= 4.50) // 筛选平均分 >= 4.50 的学生
                .sorted(Map.Entry.comparingByValue(Comparator.reverseOrder())) // 按平均分降序排序
                .forEach(pair -> {
                    System.out.printf("%s -> %.2f%n", pair.getKey(), pair.getValue()); // 格式化输出
                });
    }
}

5. 注意事项与总结

• 性能优化： 本教程的核心优化在于将平均分计算提前，避免在 filter 和 sorted 操作中重复计算，显著提高了处理效率，尤其是在数据量较大时。
• Stream API链式操作： Java Stream API支持链式调用，使得数据处理逻辑清晰、代码简洁。
• Comparator 的使用： Map.Entry.comparingByValue() 结合 Comparator.reverseOrder() 是对Map的Entry进行值排序的简洁高效方式。
• 浮点数比较： 在实际应用中，直接比较浮点数（如 average >= 4.50）可能因精度问题导致不准确。对于严格的业务逻辑，通常会引入一个小的容差值（epsilon）进行比较，例如 Math.abs(average - 4.50) < epsilon 或 average > 4.50 - epsilon。然而，对于本例的场景，直接比较通常足够。
• 异常处理： 实际应用中，输入解析（如 Double.parseDouble）应考虑 NumberFormatException，并进行相应的错误处理。本例为简化起见未包含。

通过上述方法，我们能够利用Java Stream API以声明式、高效的方式处理复杂的集合数据操作，使代码更具可读性和维护性。

以上就是本文的全部内容了，是否有顺利帮助你解决问题？若是能给你带来学习上的帮助，请大家多多支持golang学习网！更多关于文章的相关知识，也可关注golang学习网公众号。