当前位置:首页 > 文章列表 > 文章 > java教程 > 怎么通过 Collections 工具类实现对 List 集合的洗牌与反转

怎么通过 Collections 工具类实现对 List 集合的洗牌与反转

2026-05-06 09:27:42 0浏览 收藏

大家好,我们又见面了啊~本文《怎么通过 Collections 工具类实现对 List 集合的洗牌与反转》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~

Collections.shuffle() 基于 Fisher–Yates 算法原地洗牌,要求可变且支持随机访问的 List(如 ArrayList),不支持 LinkedList 或不可变集合;需注意线程安全、可重现性(传入自定义 Random)、避免对 Arrays.asList() 结果误增删;Collections.reverse() 同样原地反转、无返回值,作用于 subList 会影响原列表,组合操作顺序影响结果,不可变集合须先转为 ArrayList 再调用。

怎么通过 Collections 工具类实现对 List 集合的洗牌与反转

用 Collections.shuffle() 洗牌 List,注意线程安全与随机源

Collections.shuffle() 是最直接的洗牌方式,但它只接受 List(必须是可变、支持随机访问的实现,如 ArrayList),不支持 LinkedList(性能差)或不可变集合(会抛 UnsupportedOperationException)。

常见错误是传入 Arrays.asList() 返回的固定大小列表后又调用 add() 或 remove()——它不支持结构修改,但 shuffle() 本身可以正常工作;真正出错的是后续误操作。

  • 若需可重现的洗牌结果(比如测试),传入自定义 Random 实例:Collections.shuffle(list, new Random(42))
  • 多线程环境下不要共享同一个 List 并并发调用 shuffle(),它不是线程安全的
  • shuffle() 基于 Fisher–Yates 算法,时间复杂度 O(n),原地操作,不创建新集合

用 Collections.reverse() 反转 List,注意它不返回新列表

Collections.reverse() 直接反转原 List 的元素顺序,无返回值(void),所有修改生效在原对象上。这不是“函数式”操作,别指望它像 Stream 那样链式调用或生成副本。

典型误用:写成 list = Collections.reverse(list) ——编译失败,因为返回类型是 void;或者以为反转后原列表没变,结果后续逻辑出错。

  • 如果需要保留原列表,先手动复制:List reversed = new ArrayList(original); Collections.reverse(reversed);
  • 对 subList() 调用 reverse() 会影响原列表(因为 subList 是视图),这点常被忽略
  • 和 shuffle() 一样,它要求列表支持随机访问,否则性能退化(例如 LinkedList 上反转是 O(n²))

洗牌 + 反转组合操作时,顺序影响结果,别依赖“看起来一样”

先 shuffle 再 reverse 和先 reverse 再 shuffle,结果完全不同——前者是“打乱后倒序”,后者是“倒序后再打乱”。没有数学等价性,纯看业务语义。

例如游戏发牌:若想模拟“切牌后倒扣发牌”,应先 shuffle() 再 reverse();若想“把牌堆翻过来再洗”,就得反过来。别凭直觉跳步。

  • 避免嵌套调用迷惑自己:Collections.reverse(Collections.shuffle(list)) 是非法语法(shuffle 返回 void)
  • 如需链式风格,考虑用 Stream(Java 8+):list.stream().sorted((a, b) -> ThreadLocalRandom.current().nextInt(-1, 2)).collect(Collectors.toList()),但这不是真洗牌,且性能差,仅作示意
  • 真正需要不可变结果时,老老实实复制再操作,别试图绕过原地修改特性

替代方案:为什么有时候不该用 Collections 工具类

当你的 List 是 ImmutableList(Guava)、Lists.immutable.of()(Eclipse Collections)或 Java 10+ 的 List.of() 时,Collections.shuffle() 和 reverse() 都会直接抛 UnsupportedOperationException——它们连底层数组都不让你碰。

此时必须显式转为可变实现:new ArrayList(immutableList),再调用工具方法。漏掉这一步,运行时崩得毫无征兆。

  • Android 开发中,Collections 方法在低版本(API
  • 高频调用场景(如实时音效处理中的缓冲区重排),原地 shuffle 的 GC 压力小,但要注意避免在锁内长时间持有列表引用
  • 泛型擦除下,工具类无法校验元素类型是否可比较或可哈希,出错往往在运行时,而非编译期
洗牌和反转看着简单,但一旦混入不可变集合、子列表视图、并发修改或跨平台兼容需求,就很容易在某个边界 case 上卡住半天。动手前先确认三件事:列表是不是可变的、要不要保留原数据、执行环境支不支持这些静态方法。

好了,本文到此结束,带大家了解了《怎么通过 Collections 工具类实现对 List 集合的洗牌与反转》,希望本文对你有所帮助!关注golang学习网公众号,给大家分享更多文章知识!

如何在Golang中配置Kubernetes Deployment_Golang Deployment资源管理技巧如何在Golang中配置Kubernetes Deployment_Golang Deployment资源管理技巧
上一篇
如何在Golang中配置Kubernetes Deployment_Golang Deployment资源管理技巧
phpEnv配置启用Nginx Stub Status phpEnv监控模块
下一篇
phpEnv配置启用Nginx Stub Status phpEnv监控模块
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。
    298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。
    354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。
    354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。
    319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。
    139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