当前位置:首页 > 文章列表 > 文章 > java教程 > JavaStreams分组映射实战教学

JavaStreams分组映射实战教学

2026-01-15 13:51:44 0浏览 收藏

本篇文章向大家介绍《Java Streams 分组映射实战教程》,主要包括,具有一定的参考价值,需要的朋友可以参考一下。

Java Streams 实战:将分组结果映射为自定义对象列表

本文详解如何使用 Java Stream API 将按字段分组的原始列表(如 `List`)高效转换为结构化的 `List`,通过 `groupingBy` + `mapping` + `entrySet().stream()` 链式操作实现零手动循环的函数式转换。

在 Java 8+ 的函数式编程实践中,将扁平数据流聚合为结构化业务对象是常见需求。以本例为例:我们有一组 PivotMapEgModel 对象,需按 value 分组,并将每组最多 3 个 code 值分别填入 ResultSet 的 code_1、code_2、code_3 字段(不足则补 null)。关键在于避免显式 for 循环或临时 Map 遍历,全程使用 Stream 管道完成。

核心思路分为三步:

  1. 分组并提取值:用 Collectors.groupingBy(key, Collectors.mapping(valueMapper, toList())) 构建 Map>;
  2. 转为流式条目:调用 entrySet().stream() 将 Map 转为 Stream>>;
  3. 构造目标对象:对每个 Entry,安全取索引 0/1/2 的 code 值(越界返回 null),实例化 ResultSet。

以下是完整可运行代码示例:

// 辅助方法:安全获取 List 中指定索引的元素(越界返回 null)
private static String getCode(List codes, int index) {
    return index < codes.size() ? codes.get(index) : null;
}

// 主转换逻辑
List result = pivotMapList.stream()
    .collect(Collectors.groupingBy(
        PivotMapEgModel::getValue,
        Collectors.mapping(PivotMapEgModel::getCode, Collectors.toList())
    ))
    .entrySet()
    .stream()
    .map(entry -> new ResultSet(
        entry.getKey(),
        getCode(entry.getValue(), 0),
        getCode(entry.getValue(), 1),
        getCode(entry.getValue(), 2)
    ))
    .collect(Collectors.toList());

✅ 注意事项:

  • getCode() 方法必不可少——直接调用 list.get(1) 在列表长度不足时会抛 IndexOutOfBoundsException;
  • 若 ResultSet 类未提供全参构造器(如使用 Lombok @AllArgsConstructor),请确保字段顺序与构造器参数严格一致;
  • 如需保持原始分组顺序(如按 value 升序),可在最后添加 .sorted(Comparator.comparingLong(ResultSet::getValue));
  • 性能上,该方案仅遍历原始列表 1 次(分组阶段)+ Entry 集合 1 次(映射阶段),时间复杂度 O(n),优于嵌套循环。

最终输出即为预期的 List:

[ResultSet(value=1, code_1="1", code_2="2", code_3="3"),
 ResultSet(value=2, code_1="5", code_2=null, code_3=null)]

此模式可轻松扩展至更多字段(如 code_4, code_5),只需调整 getCode() 调用次数及 ResultSet 结构即可,充分体现 Stream API 的简洁性与可维护性。

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。

电脑长期不用如何正确保养和存放电脑长期不用如何正确保养和存放
上一篇
电脑长期不用如何正确保养和存放
响应式卡片布局:网格与弹性盒技巧
下一篇
响应式卡片布局:网格与弹性盒技巧
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。
    375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。
    445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。
    452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。
    398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。
    224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