当前位置:首页 > 文章列表 > 文章 > java教程 > JavagroupingBy分组统计方法详解

JavagroupingBy分组统计方法详解

2025-12-15 15:58:33 0浏览 收藏

大家好,我们又见面了啊~本文《Java Collectors.groupingBy分组统计技巧》的内容中将会涉及到等等。如果你正在学习文章相关知识,欢迎关注我,以后会给大家带来更多文章相关文章,希望我们能一起进步!下面就开始本文的正式内容~

答案:Collectors.groupingBy可用于按字段分组、统计数量、求和、平均值及多级分组。1. 按部门分组返回Map>;2. 配合counting()统计每组数量;3. 用summingInt求和,averagingInt求平均;4. 嵌套groupingBy实现多级分组;5. 使用summarizingInt获取数量、总和、最值等综合统计。掌握其双参数结构可灵活处理各类分组需求。

在Java中如何使用Collectors.groupingBy实现分组统计_Collectors分组经验分享

在Java 8引入的Stream API中,Collectors.groupingBy 是一个非常实用的工具,特别适合对集合数据进行分组统计。它能让我们像写SQL一样优雅地处理集合,比如按某个字段分组、统计数量、求和、计算平均值等。下面结合常见场景,分享如何高效使用 Collectors.groupingBy 实现分组统计。

1. 基本分组:按字段分类

假设我们有一个员工类 Employee,想按部门分组:

class Employee {
    String name;
    String department;
    int salary;

    // 构造函数、getter省略
}

使用 groupingBy 按部门分组:

Map> grouped = employees.stream()
    .collect(Collectors.groupingBy(Employee::getDepartment));

结果是一个以部门为键、员工列表为值的Map,相当于SQL中的 GROUP BY department。

2. 统计每组数量:类似 count(*)

如果只想知道每个部门有多少人,可以用 groupingBy 配合 counting():

Map countByDept = employees.stream()
    .collect(Collectors.groupingBy(
        Employee::getDepartment,
        Collectors.counting()
    ));

这会返回每个部门对应的员工数量,类型为 Long,适用于大数据量。

3. 分组后求和或平均值

要计算每个部门的工资总和,可以使用 summingInt:

Map sumSalaryByDept = employees.stream()
    .collect(Collectors.groupingBy(
        Employee::getDepartment,
        Collectors.summingInt(Employee::getSalary)
    ));

若想求平均工资,改用 averagingInt:

Map avgSalaryByDept = employees.stream()
    .collect(Collectors.groupingBy(
        Employee::getDepartment,
        Collectors.averagingInt(Employee::getSalary)
    ));

4. 多级分组:嵌套 groupBy

有时候需要多维度分组,比如先按部门、再按薪资区间分组:

Map>> nestedGroup = employees.stream()
    .collect(Collectors.groupingBy(
        Employee::getDepartment,
        Collectors.groupingBy(e -> 
            e.getSalary() > 8000 ? "高薪" : "普通"
        )
    ));

这样得到的是一个嵌套Map,外层是部门,内层是薪资等级,适合做多维分析。

5. 自定义收集器:组合多个统计值

如果需要同时获取某组的数量、总和、最大值等,可以用 summarizingInt:

Map statsByDept = employees.stream()
    .collect(Collectors.groupingBy(
        Employee::getDepartment,
        Collectors.summarizingInt(Employee::getSalary)
    ));

// 使用时可获取多种信息
statsByDept.forEach((dept, stats) -> {
    System.out.println(dept + ": count=" + stats.getCount() +
        ", sum=" + stats.getSum() +
        ", max=" + stats.getMax());
});

基本上就这些常用模式。合理使用 Collectors.groupingBy 能大幅简化集合处理逻辑,让代码更清晰、易维护。关键是理解它的两个参数:第一个是分组依据,第二个是组内如何收集。掌握这个结构,就能灵活应对各种分组统计需求。不复杂但容易忽略细节,比如返回类型、空值处理等,实际使用中注意判空即可。

终于介绍完啦!小伙伴们,这篇关于《JavagroupingBy分组统计方法详解》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!

微信小程序引用PHP数组方法详解微信小程序引用PHP数组方法详解
上一篇
微信小程序引用PHP数组方法详解
Excel网格线颜色调暗方法
下一篇
Excel网格线颜色调暗方法
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。
    374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。
    443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。
    451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。
    397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。
    221次使用
微信登录更方便
  • 密码登录
  • 注册账号
登录即同意 用户协议 和 隐私政策
返回登录
  • 重置密码