java list stream avg_Java8之list.stream的常見使用

public static void main(String[] args) {

List list = Lists.newArrayList();

list.add(new Student("測試", "男", 18));

list.add(new Student("開發", "男", 20));

list.add(new Student("運維", "女", 19));

list.add(new Student("DBA", "女", 22));

list.add(new Student("營運", "男", 24));

list.add(new Student("産品", "女", 21));

list.add(new Student("經理", "女", 25));

list.add(new Student("産品", "女", 21));

//求性别為男的學生集合

List l1 = list.stream().filter(student -> student.sex.equals("男")).collect(toList());

//map的key值true為男，false為女的集合

Map> map = list.stream().collect(partitioningBy(student -> student.getSex().equals("男")));

//求性别為男的學生總歲數

Integer sum = list.stream().filter(student -> student.sex.equals("男")).mapToInt(Student::getAge).sum();

//按性别進行分組統計人數

Map map = list.stream().collect(Collectors.groupingBy(Student::getSex, Collectors.summingInt(p -> 1)));

//判斷是否有年齡大于25歲的學生

boolean check = list.stream().anyMatch(student -> student.getAge() > 25);

//擷取所有學生的姓名集合

List l2 = list.stream().map(Student::getName).collect(toList());

//求所有人的平均年齡

double avg = list.stream().collect(averagingInt(Student::getAge));

//求年齡最大的學生

Student s = list.stream().reduce((student, student2) -> student.getAge() > student2.getAge() ? student:student2).get();

Student stu = list.stream().collect(maxBy(Comparator.comparing(Student::getAge))).get();

//按照年齡從小到大排序

List l3 = list.stream().sorted((s1, s2) -> s1.getAge().compareTo(s2.getAge())).collect(toList());

//求年齡最小的兩個學生

List l4 = l3.stream().limit(2).collect(toList());

//擷取所有的名字，組成一條語句

String str = list.stream().map(Student::getName).collect(Collectors.joining(",", "[", "]"));

//擷取年齡的最大值、最小值、平均值、求和等等

IntSummaryStatistics intSummaryStatistics = list.stream().mapToInt(Student::getAge).summaryStatistics();

System.out.println(intSummaryStatistics.getMax());

System.out.println(intSummaryStatistics.getCount());

}

@Data

@AllArgsConstructor

static class Student{

String name;

String sex;

Integer age;

}

最後給大家說一個并行化流操作parallelStream()，跟stream()的用法一樣。使用parallelStream就能立即獲得一個擁有并行能力的流，利用好并行化非常重要。不過并不是所有的流計算都要使用并行化流操作，隻有當計算機是多核并且集合資料量較大(超過一萬)的時候使用并行化流操作可以提高效率。

影響性能的五要素：資料大小、源資料結構、值是否裝箱、可用的CPU數量以及處理每個元素所花的時間。