Java Stream流操作List全攻略：Filter、Sort、GroupBy、Average、Sum实践

Java Stream流操作List全攻略：Filter、Sort、GroupBy、Average、Sum实践

在Java 8及更高版本中，Stream API为集合处理带来了革命性的改变。本文将深入解析如何运用Stream对List进行高效的操作，包括筛选（Filter）、排序（Sort）、分组（GroupBy）、求平均值（Average）和求和（Sum）。通过实例代码演示以及功能差异对比，我们将揭示这些操作在不同应用场景下的最佳实践。

1. Filter操作

filter()方法用于根据给定的条件过滤列表中的元素，仅保留满足条件的项。

List<Integer> numbers = Arrays.asList(1, 2, , 4, 5, 6, 7, 8, 9);
List<Integer> evenumbers = numbers.stream()
                                 .filter(n -> n % 2 == 0)
                                 .collect(());

上述代码展示了如何使用filter()方法从numbers列表中筛选出所有的偶数。

2. Sort操作

sorted()方法可以对流中的元素进行排序，可以使用自然顺序或自定义Comparator。

List<String> names = Arrays.asList("Bob", "Alice", "Charlie", "David");
List<String> sortedames = names.stream()
                               .sorted()
                               .collect(()); // 自然排序
List<String> reverseSortedames = names.stream()
                                      .sorted(Comparator.reverseOrder())
                                      .collect(()); // 倒序排序

. GroupBy操作

groupBy()方法用于将流中的元素按照指定的属性进行分组，返回的是Map类型结果。

List<Employee> employees = ... // 假设Employee类有department属性
Map<String, List<Employee>> groupedEmployees = employees.stream()
                                                      .collect(Collectors.groupingBy(Employee::getDepartment));

这段代码展示了如何按员工所在的部门进行分组。

4. Average与Sum操作

对于数值型流，可以计算平均值（average）和总和（sum）。

List<Double> salaries = Arrays.asList(50000.0, 70000.0, 60000.0, 80000.0);
double averageSalary = salaries.stream()
                              .mapToDouble(Double::doubleValue)
                              .average()
                              .orElse(0.0);

double totalSalary = salaries.stream()
                            .mapToDouble(Double::doubleValue)
                            .sum();

5. 实战示例及代码详解

当然，让我们进一步深入到实战示例中，为上述的Filter、Sort、GroupBy、Average和Sum操作提供更详尽的代码详解。

1. Filter（过滤）

import java.util.Arrays;
import java.util.List;
import java.util.stream.Collectors;

public class StreamFilterExample {
    public static void main(String[] args) {
        List<Integer> numbers = Arrays.asList(1, 2, , 4, 5, 6, 7, 8, 9);

        // 过滤出所有偶数
        List<Integer> evenumbers = numbers.stream()
                                         .filter(n -> n % 2 == 0)
                                         .collect(());

        println("Even umbers: " + evenumbers); // 输出：[2, 4, 6, 8]
    }
}

// 解释：
// `.stream()` 将列表转换成流。
// `.filter()` 方法接受一个谓词（Predicate），该谓词是一个返回布尔值的函数，用于决定哪些元素应该被保留。
// `.collect(())` 是终端操作，它将过滤后的流转换回一个新的List对象。

2. Sort（排序）

import java.util.Arrays;
import java.util.Comparator;
import java.util.List;
import java.util.stream.Collectors;

public class StreamSortExample {
    public static class Employee {
        String name;
        int age;

        // 构造方法、getters & setters 省略

        @Override
        public String toString() {
            return "Employee{" +
                   "name='" + name + '\'' +
                   ", age=" + age +
                   '}';
        }
    }

    public static void main(String[] args) {
        List<Employee> employees = Arrays.asList(
                new Employee("Alice", 25),
                new Employee("Bob", 0),
                new Employee("Charlie", 28),
                new Employee("David", 2)
        );

        // 自然排序（默认按age升序）
        List<Employee> sortedByAge = employees.stream()
                                             .sorted(Comparatorparing(Employee::getAge))
                                             .collect(());

        // 按名字降序排序
        List<Employee> sortedByameDesc = employees.stream()
                                                  .sorted(Comparatorparing(Employee::getame).reversed())
                                                  .collect(());

        println("Sorted by Age: " + sortedByAge);
        println("Sorted by ame Descending: " + sortedByameDesc);
    }
}

// 解释：
// `Comparatorparing(...)` 方法用来创建一个Comparator，根据指定的方法提取排序键。
// `.reversed()` 方法反转Comparator的顺序，使其成为降序排列。

. GroupBy（分组）

import java.util.*;
import java.util.stream.Collectors;

public class StreamGroupByExample {
    public static class Product {
        String category;
        String name;
        double price;

        // 构造方法、getters & setters 省略

        @Override
        public String toString() {
            return "Product{" +
                   "category='" + category + '\'' +
                   ", name='" + name + '\'' +
                   ", price=" + price +
                   '}';
        }
    }

    public static void main(String[] args) {
        List<Product> products = Arrays.asList(
                new Product("Electronics", "Laptop", 1000.0),
                new Product("Electronics", "Smartphone", 500.0),
                new Product("Books", "Programming Book", 0.0),
                new Product("Books", "ovel", 20.0)
        );

        Map<String, List<Product>> groupedProducts = products.stream()
                                                            .collect(Collectors.groupingBy(Product::getCategory));

        for (Map.Entry<String, List<Product>> entry : ()) {
            println("Category: " + entry.getKey());
            println("Products: " + entry.getValue());
        }
    }
}

// 解释：
// `Collectors.groupingBy(...)` 提供了一个收集器，可以将流中的元素按照给定的函数进行分类并放入Map中。

4. Average（平均值）与Sum（求和）

import java.util.Arrays;
import java.util.List;
import java.util.stream.DoubleStream;
import java.util.stream.StreamSupport;

public class StreamAverageAndSumExample {
    public static void main(String[] args) {
        List<Double> sales = Arrays.asList(1000.0, 2000.0, 000.0, 4000.0, 5000.0);

        // 计算销售额总和
        double totalSales = sales.stream().mapToDouble(Double::doubleValue).sum();
        println("Total Sales: " + totalSales);

        // 计算销售额平均值
        OptionalDouble averageSales = sales.stream().mapToDouble(Double::doubleValue).average();
        println("Average Sales: " + (0.0));
    }

    // 解释：
    // `.mapToDouble(...)` 将流中的元素映射为double值，便于进行数学运算。
    // `.sum()` 和 `.average()` 分别用于计算数值流的总和和平均值，`.average()` 返回的是OptionalDouble类型，需使用orElse(...)来处理可能为空的情况。

6. 区别总结

• filter()用于筛选数据，是中间操作。适用于清洗数据、筛选符合条件的数据项。
• sorted()用于排序数据，可作为中间操作也可作为终端操作。在展示数据时需要排序，如用户列表、商品列表等。
• groupingBy()用于分组数据，是一个特殊的收集器，用于将流元素映射到Map中。数据汇总分析，如按地区统计销售额、按部门统计员工人数等。
• average()和sum()用于数值类型的统计分析，是终端操作。常用于数据分析、报表生成等场景，例如计算平均薪资、总销售额等。