02. Java Stream Collectors各种方法使用实例

02.Java Stream Collectors各种方法使用实例

最近这段时间一直在学习java8的lambda和stream api的使用,在学习过程中发现collectors不仅仅只能收集到list,还能实现group,partition,join,max,min,mapping等相关收集操作,因此做了一个具体的如何使用的各种collectors的相关demo

示例代码:


示例结果:

是否性别都是男:

false

是否有任意一个性别为男:

true

所有用户年龄总和:

196

获取年龄大于30的用户:

User{id=1, name='张三', age=38, address='大望路', sex='男'}

User{id=4, name='赵六', age=40, address='回龙观', sex='男'}

User{id=6, name='田七', age=32, address='天通苑', sex='女'}

User{id=7, name='孙八', age=35, address='天安门', sex='女'}

所有用户按照年龄进行排序

User{id=3, name='王五', age=24, address='天宁寺', sex='女'}

User{id=2, name='李四', age=27, address='国贸', sex='男'}

User{id=6, name='田七', age=32, address='天通苑', sex='女'}

User{id=7, name='孙八', age=35, address='天安门', sex='女'}

User{id=1, name='张三', age=38, address='大望路', sex='男'}

User{id=4, name='赵六', age=40, address='回龙观', sex='男'}

求所有用户年龄的平均值:

32.666666666666664

求用户个数:

6

把所有用户信息转换成仪name为key,address为value的map类型:

{李四=国贸, 张三=大望路, 王五=天宁寺, 孙八=天安门, 赵六=回龙观, 田七=天通苑}

把所有用户按照性别分组:

{女=[User{id=3, name='王五', age=24, address='天宁寺', sex='女'}, User{id=6, name='田七', age=32, address='天通苑', sex='女'}, User{id=7, name='孙八', age=35, address='天安门', sex='女'}], 男=[User{id=1, name='张三', age=38, address='大望路', sex='男'}, User{id=2, name='李四', age=27, address='国贸', sex='男'}, User{id=4, name='赵六', age=40, address='回龙观', sex='男'}]}

把所有用户先按照性别分组,再按照住址分组:

{女={天通苑=[User{id=6, name='田七', age=32, address='天通苑', sex='女'}], 天安门=[User{id=7, name='孙八', age=35, address='天安门', sex='女'}], 天宁寺=[User{id=3, name='王五', age=24, address='天宁寺', sex='女'}]}, 男={国贸=[User{id=2, name='李四', age=27, address='国贸', sex='男'}], 大望路=[User{id=1, name='张三', age=38, address='大望路', sex='男'}], 回龙观=[User{id=4, name='赵六', age=40, address='回龙观', sex='男'}]}}

把所有用户先按照性别分组,再按照住址分组,最后从user中只提取name信息:

{女={天通苑=[田七], 天安门=[孙八], 天宁寺=[王五]}, 男={国贸=[李四], 大望路=[张三], 回龙观=[赵六]}}

把所有用户的name提取出来放到list中

[张三, 李四, 王五, 赵六, 田七, 孙八]

提取年龄最大的用户:

Optional[User{id=4, name='赵六', age=40, address='回龙观', sex='男'}]

提取年龄最小的用户:

Optional[User{id=3, name='王五', age=24, address='天宁寺', sex='女'}]

获取关于年龄的相关汇总信息:

DoubleSummaryStatistics{count=6, sum=196.000000, min=24.000000, average=32.666667, max=40.000000}

将所有用户名按照逗号连接起来

张三,李四,王五,赵六,田七,孙八

最后的返回信息是一个不可变的list

把所有用户按照年龄进行分区, 小于35的一个分区,大于等于35的一个分区,并且只提取name

{false=[李四, 王五, 田七], true=[张三, 赵六, 孙八]}

最后编辑于
©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 215,294评论 6 497
  • 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 91,780评论 3 391
  • 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 161,001评论 0 351
  • 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 57,593评论 1 289
  • 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 66,687评论 6 388
  • 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 50,679评论 1 294
  • 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 39,667评论 3 415
  • 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 38,426评论 0 270
  • 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 44,872评论 1 307
  • 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 37,180评论 2 331
  • 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 39,346评论 1 345
  • 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 35,019评论 5 340
  • 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 40,658评论 3 323
  • 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 31,268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 32,495评论 1 268
  • 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 47,275评论 2 368
  • 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 44,207评论 2 352