巧用reduce避开循环,实现数据统计

最近在做一个库存系统,在Web展示界面,需要统计数据。在服务器后台入库操作的时候,也需要统计数据。而且是统计对象数组里某个属性的数据之和。又不想单独使用sql语句进行统计,想拿现成的数据进行统计,怎么办呢?

一、服务器端的处理 1、服务器端的统计,轻车熟路,使用 Java Stream API:

// 模拟一组用户数据
List<UserInfo> userInfoList = new ArrayList<UserInfo>(10);
UserInfo userInfo;
for(int i=1;i<10;i++){
  userInfo = new UserInfo();
  userInfo.setUserUid(i+ "");
  userInfo.setUserName("用户"+i);
  userInfo.setAge(i);
  // 性别各一半
  userInfo.setSex((byte) (i%2));
  userInfoList.add(userInfo);
}

Integer sum = userInfoList.stream().map(item->item.getAge()).mapToInt(Integer::intValue).sum();
logger.info("年龄总和:{}",sum);

首先调用 Stream API,然后通过map方法把要统计的属性抽离出来,接着通过mapToInt 方法转换成 Integer 型数据,最后调用 IntStream 的sum方法把和求出来。

image.png

List 集合继承了 Collection 接口,stream() 又是 Collection 接口中的方法,所以 List 集合的子类 ArrayList 可以调用 stream() 方法。

image.png

mapToInt 返回的是 IntStream 对象,在 mapToInt 方法中把数据转换成 Integer 对象,最后调用 IntStream 的sum方法把和求出来。

2、除此之外,还想到了reduce函数,reduce是动词,浓缩、减少的意思,这个方法怎么用呢?

sum = userInfoList.stream().map(item->item.getAge()).reduce((x, y) -> Integer.sum(x,y)).orElse(0);
logger.info("年龄总和:{}", sum);

首先调用 Stream API,然后通过map方法把要统计的属性抽离出来,接着调用reduce 方法,在reduce方法中调用 Integer的sum求和方法,最后增加了一个保险orElse 方法,如果为 null 则返回 0。

reduce() 也是 IntStream接口中的方法,该方法相当于以下 10 多行代码,在最后一行返回的时候,使用的是三目运算符,有可能返回 Optional.empty(),我们又是使用 Integer 类型接收的,因此需要给它为空的时候设置一个默认值,也就是 orElse(0) 方法。

image.png
image.png

运行结果是一致的,都是Stream API中的方法,都可以避开循环,把数字统计出来。

3、有朋友说,这个年龄有可能为null,这两个统计会不会出现异常呢?

咱们就来试一下,增加一个年龄为null的数据。

运行结果,它们都出错了,空指针错误:

image.png

这个好办,再增加一个过滤方法 filter,把为空的数据过滤一下就可以了。


Integer ages = userInfoList.stream().filter(item->item.getAge()!=null).map(item->item.getAge()).mapToInt(Integer::intValue).sum();
logger.info("年龄总和:{}",ages);

ages = userInfoList.stream().filter(item->item.getAge()!=null).map(item->item.getAge()).reduce((x, y) -> Integer.sum(x,y)).orElse(0);
logger.info("年龄总和:{}",ages);

二、JS中的处理

在JS中,我们使用相同的思路,先把对象数组中每个对象需要统计的属性拎出来,然后使用reduce函数进行计算。

var userInfoList = [{'age':5},{'age':3},{'age':2}];

运行结果:

image.png

没想到 JS 中也有相同的方法,只是在使用的时候稍微有一点语法差别。

reduce 方法的语法结构:

image.png

当然,JS是弱语言,能运行不报错就行,也没有那么多的讲究。这个方法还可以设置一个初始值,标准的写法应该是这样的:

let sum = userInfoList.map((item)=>item.age).reduce(function(prev, cur, index, arr) {
    return prev + cur;
}, 0);
console.log(sum);

好吧,还是刚刚的写法简单。

把数据复杂化一下,再加一个空字符串,运行依旧正常。再加一个未定义,这下输出不对了。没关系,在抽离属性前,再加一层过滤,OK,问题解决。

var userInfoList = [{'age':5},{'age':3},{'age':2},{'age':''},{'age':undefined}];
console.log(userInfoList);
console.log(userInfoList.filter((item)=>item.age!=undefined).map((item)=>item.age).reduce((x,y)=>x+y));

最后总结一下,不管是服务器端,还是前端页面,统计数据的思路是一样的。第一步把数组中要统计的对象的属性抽离出来,第二步使用函数开始统计。对比之下,服务器端的实现复杂了一点。

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 212,294评论 6 493
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 90,493评论 3 385
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 157,790评论 0 348
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 56,595评论 1 284
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 65,718评论 6 386
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 49,906评论 1 290
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,053评论 3 410
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 37,797评论 0 268
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,250评论 1 303
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 36,570评论 2 327
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 38,711评论 1 341
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,388评论 4 332
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,018评论 3 316
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,796评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,023评论 1 266
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 46,461评论 2 360
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 43,595评论 2 350

推荐阅读更多精彩内容