当前位置:首页 > 文章列表 > 文章 > java教程 > JavaStreamgroupingBy使用教程

JavaStreamgroupingBy使用教程

2025-12-01 21:09:42 0浏览 收藏

Java 8 Stream API 提供的 `groupingBy` 方法是数据分组的利器,但如何灵活地根据条件添加元素至分组,是提升数据处理效率的关键。本文**详解 Java Stream groupingBy 正确用法**,重点介绍 Java 12 引入的 `filtering` Collector,它能在分组后对结果进行有条件过滤。文章通过实例代码,对比了 `filtering` Collector 与 `filter` 操作的区别,强调了避免副作用的重要性,旨在帮助开发者掌握 `groupingBy` 的高级技巧,提升代码的可读性和性能,解决实际开发中遇到的复杂数据处理问题。

 使用 Java Stream groupingBy 时添加元素的正确姿势

在 Java Stream API 中,`groupingBy` 方法是一个强大的工具,用于将集合中的元素按照指定的条件进行分组。然而,在分组过程中,我们有时需要根据一定的条件来决定是否添加某个元素,或者对元素进行一些转换。本文将深入探讨如何在使用 `groupingBy` 时,有条件地添加元素,并避免常见的陷阱。 ### 使用 `filtering` Collector 进行条件添加 Java 12 引入了 `filtering` Collector,它允许我们在 `groupingBy` 之后,对每个分组的结果进行过滤。`filtering` Collector 接受一个 `Predicate`,只有满足该谓词的元素才会被保留在最终的结果中。 以下是一个示例,展示了如何使用 `filtering` Collector 来实现有条件地添加元素: ```java import java.util.List; import java.util.Map; import java.util.Set; import java.util.stream.Collectors; import java.util.HashSet; import java.util.Objects; public class GroupingByExample { public enum IOType { NONE, TYPE1, TYPE2 } public static class User { private String stringSeq; private Set ioTypes; public User(String stringSeq) { this.stringSeq = stringSeq; this.ioTypes = new HashSet<>(); } public String getStringSeq() { return stringSeq; } public Set getIoTypes() { return ioTypes; } public void addIoType(IOType ioType) { this.ioTypes.add(ioType); } public void setIoTypes(Set ioTypes) { this.ioTypes = ioTypes; } } public static void main(String[] args) { List userList = List.of( new User("menu1:group1:TYPE1"), new User("menu1:group1:TYPE2"), new User("menu2:group2:TYPE1"), new User("menu1:group1:NONE") ); String DELIMITER = ":"; Map> groupedUsers = userList.stream() .collect(Collectors.groupingBy( e -> { String[] arr = e.getStringSeq().split(DELIMITER); return String.join(DELIMITER, arr[0], arr[1]); }, Collectors.filtering( e -> { String[] arr = e.getStringSeq().split(DELIMITER); return !arr[2].equals("NONE"); // 过滤掉 IOType 为 NONE 的元素 }, Collectors.toList() ) )); System.out.println(groupedUsers); // Output: {menu2:group2=[GroupingByExample$User@48524c6f], menu1:group1=[GroupingByExample$User@4f023edb, GroupingByExample$User@3cd1a2f1]} } }

在这个例子中,我们首先按照 menu 和 group 的组合对 userList 进行分组。然后,我们使用 filtering Collector 来过滤掉 IOType 为 NONE 的元素。

注意: 如果某个分组中的所有元素都被 filtering Collector 过滤掉,那么该分组的键仍然会存在于结果 Map 中,但是对应的值将会是一个空列表。

filter 操作 vs. filtering Collector

filter 操作和 filtering Collector 的区别在于它们的作用范围不同。filter 操作是在流的中间阶段进行的,它会过滤掉不满足条件的元素,从而影响后续的所有操作。而 filtering Collector 是在 groupingBy 之后进行的,它只会过滤掉每个分组中的元素,而不会影响其他分组。

如果在分组之前就可以确定哪些元素需要被过滤掉,那么使用 filter 操作会更加高效。例如:

import java.util.List;
import java.util.Map;
import java.util.Set;
import java.util.stream.Collectors;
import java.util.HashSet;
import java.util.Objects;

public class GroupingByExample {

    public enum IOType {
        NONE, TYPE1, TYPE2
    }

    public static class User {
        private String stringSeq;
        private Set ioTypes;

        public User(String stringSeq) {
            this.stringSeq = stringSeq;
            this.ioTypes = new HashSet<>();
        }

        public String getStringSeq() {
            return stringSeq;
        }

        public Set getIoTypes() {
            return ioTypes;
        }

        public void addIoType(IOType ioType) {
            this.ioTypes.add(ioType);
        }

        public void setIoTypes(Set ioTypes) {
            this.ioTypes = ioTypes;
        }
    }

    public static void main(String[] args) {
        List userList = List.of(
                new User("menu1:group1:TYPE1"),
                new User("menu1:group1:TYPE2"),
                new User("menu2:group2:TYPE1"),
                new User("menu1:group1:NONE")
        );

        String DELIMITER = ":";

        Map> groupedUsers = userList.stream()
                .filter(e -> !e.getStringSeq().split(DELIMITER)[2].equals("NONE")) // 在分组之前过滤掉 IOType 为 NONE 的元素
                .collect(Collectors.groupingBy(
                        e -> {
                            String[] arr = e.getStringSeq().split(DELIMITER);
                            return String.join(DELIMITER, arr[0], arr[1]);
                        }
                ));

        System.out.println(groupedUsers);
        // Output: {menu2:group2=[GroupingByExample$User@48524c6f], menu1:group1=[GroupingByExample$User@4f023edb, GroupingByExample$User@3cd1a2f1]}
    }
}

在这个例子中,我们在分组之前使用 filter 操作过滤掉了 IOType 为 NONE 的元素。这样可以避免在分组之后再进行过滤,从而提高效率。此外,由于在分组之前已经过滤掉了所有 IOType 为 NONE 的元素,因此结果 Map 中不会存在对应的键。

避免副作用

在流操作中,应该避免使用副作用。副作用是指函数除了返回值之外,还修改了外部状态。例如,在 mapping 函数中修改传入的 User 对象的 ioTypes 属性就是一个副作用。

副作用可能会导致流操作的结果变得不可预测,并且难以调试。为了避免副作用,应该尽量使用纯函数。纯函数是指只依赖于输入参数,并且不修改外部状态的函数。

如果必须使用副作用,那么应该尽量将其限制在流操作的末尾,并且要确保副作用不会影响后续的操作。

总结

在使用 Java Stream 的 groupingBy 方法进行分组时,可以使用 filtering Collector 来有条件地添加元素。filtering Collector 允许我们在分组之后,对每个分组的结果进行过滤。如果在分组之前就可以确定哪些元素需要被过滤掉,那么使用 filter 操作会更加高效。在流操作中,应该避免使用副作用,尽量使用纯函数。

终于介绍完啦!小伙伴们,这篇关于《JavaStreamgroupingBy使用教程》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!

PS2021如何调出标尺?PS2021如何调出标尺?
上一篇
PS2021如何调出标尺?
高德地图家人定位报平安方法
下一篇
高德地图家人定位报平安方法
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。
    497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。
    554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。
    579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。
    532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。
    346次使用