在Java中如何使用Collectors.groupingBy实现分组统计_Collectors分组经验分享
golang学习网今天将给大家带来《在Java中如何使用Collectors.groupingBy实现分组统计_Collectors分组经验分享》,感兴趣的朋友请继续看下去吧!以下内容将会涉及到等等知识点,如果你是正在学习文章或者已经是大佬级别了,都非常欢迎也希望大家都能给我建议评论哈~希望能帮助到大家!
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 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():
MapcountByDept = 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:
MapsumSalaryByDept = employees.stream() .collect(Collectors.groupingBy( Employee::getDepartment, Collectors.summingInt(Employee::getSalary) ));
若想求平均工资,改用 averagingInt:
MapavgSalaryByDept = 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:
MapstatsByDept = 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。
今天关于《在Java中如何使用Collectors.groupingBy实现分组统计_Collectors分组经验分享》的内容介绍就到此结束,如果有什么疑问或者建议,可以在golang学习网公众号下多多回复交流;文中若有不正之处,也希望回复留言以告知!
圣诞节雪花牛轧糖怎样结晶漂亮_圣诞节雪花牛轧糖结晶技巧【糖果】
- 上一篇
- 圣诞节雪花牛轧糖怎样结晶漂亮_圣诞节雪花牛轧糖结晶技巧【糖果】
- 下一篇
- 高德地图怎么设置车牌号限行_高德地图限行车牌添加方法
-
- 文章 · java教程 | 1天前 | 线程池 · Java教程 · java 并发编程 ForkJoinPool ForkJoinTask managedBlock ManagedBlocker
- Java ForkJoinPool managedBlock 怎样避免阻塞任务拖住并行计算
- 489浏览 收藏
-
- 文章 · java教程 | 1天前 |
- Java DatagramChannel 怎样设置非阻塞接收
- 337浏览 收藏
-
- 文章 · java教程 | 1天前 |
- Java WebSocket.Listener 怎样控制下一条消息的接收节奏
- 370浏览 收藏
-
- 文章 · java教程 | 1天前 |
- Java Flow Publisher 怎样实现背压协议
- 339浏览 收藏
-
- 文章 · java教程 | 1天前 |
- Java CompletableFuture resultNow 怎样读取已完成结果
- 302浏览 收藏
-
- 文章 · java教程 | 1天前 |
- Java Foreign Function 怎样管理 MemorySegment 生命周期
- 259浏览 收藏
-
- 文章 · java教程 | 1天前 |
- Java switch pattern 怎样显式处理 null
- 220浏览 收藏
-
- 文章 · java教程 | 1天前 |
- Java 紧凑源文件怎样直接运行单文件程序
- 461浏览 收藏
-
- 文章 · java教程 | 1天前 |
- Java String.lines 怎样保留文本末尾的空行
- 337浏览 收藏
-
- 文章 · java教程 | 1天前 |
- Java WatchService 怎样处理 OVERFLOW 事件避免漏文件
- 360浏览 收藏
-
- 文章 · java教程 | 1天前 |
- Java String.stripIndent 怎样保留文本块的相对缩进
- 320浏览 收藏
-
- 文章 · java教程 | 1天前 |
- Java PathMatcher 怎样按 glob 规则筛选文件
- 246浏览 收藏
-
- 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
- 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
- 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
- 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
- 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
-
- 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。
- 498次使用
-
- 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。
- 555次使用
-
- 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。
- 581次使用
-
- 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。
- 534次使用
-
- 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
-
- Java try-with-resources 多个资源关闭顺序是什么
- 2026-09-10 501浏览
-
- 矩阵主副对角线快速定位技巧
- 2026-05-31 501浏览
-
- Java多态优化流程代码与行为分发改进
- 2026-05-26 501浏览
-
- JVM 类元数据双亲委派链表深度解析
- 2026-05-21 501浏览
-
- 反射异常处理:InvocationTargetException解析与应用
- 2026-05-16 501浏览
