第三章 流

3.1 从外部迭代到内部迭代


外部迭代

使用迭代器计算来自伦敦的艺术家人数:

int count=0;

for (Artist artist:allArtists){

    if(artist.isFrom("London")){

           count++;

     }

}

这样的外部迭代本质上是一种串行化操作,并且会将行为和方法混为一谈。

内部迭代

使用内部迭代计算来自伦敦的艺术家人数:

long count=allArtists.stream().filter(artist->artist.isFrom("London")).count();


3.2 惰性求值和及早求值


惰性求值:

allArtists.stream().filter(artist->artist.isFrom("London"));

这行代码并没有做什么实际性的工作,filter只刻画出了stream,并没有产生新的集合,像filter这样只描述stream 最终不产生新集合的方法叫做惰性求值方法,而像count这样最终会从stream中产生值得方法叫做及早求值方法


3.3 常用的流操作


(1) collect(toList())

collect(toList())方法由Stream里的值生成一个列表,是一个及早求值操作。

List<String> collected = Stream.of("a","b","c").collect(Collectors.toList());


(2) map

map 操作将一个流中的值转化为一个新的流。

List<String> collected = Stream.of("a","b","hello")

.map(str->str.toUpperCase()).collect(Collectors.toList());


(3) filter

遍历数据并检查其中的元素时,可以使用Stream中提供的新方法filter。

List<String> collected = Stream.of("a","1a,"c").filter(value->isDigit(value.charAt(0)))

collect(Collectors.toList());


(4) flatMap

flatMap()方法可用stream替换值,然后将多个stream 连接成一个stream。

看一个简单的例子,假设一个包含多个列表的流,现在希望得到所有数字的序列:

List<Integer> together = Stream.of(Arrays.asList(1,2),Arrays.asList(3,4))

                                        .flatMap(numbers->numbers.stream())

                                        .collect(Collectors.toList());


(5) max 和 min

Track shortest = tracks.stream().min(Comparator.comparing(track->track.getLength())).get();


(6) reduce

reduce 操作可以从一组值中生成一个值。

T reduce(T identity, BinaryOperator accumulator);

例子:使用reduce 求和:

int sum = Stream.of(1,2,3).reduce(0,(acc,element)->acc+element);

展开reduce 操作:

BinaryOperator<Integer> accumulator = (acc,element)->acc+element;

int sum = accumulator.apply(accumulator.apply(accumulator.apply(0,1),2),3);


(7) 例子:找出长度大于1分钟的曲目。

public Set<String> findLongTracks(List<Album> albums){

       return albums.stream().flatMap(album -> album.getTracks()).filter(track -> track.getLength>60).map(track -> track.getName()).collect(Collectors.toSet());

}

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 201,468评论 5 473
  • 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 84,620评论 2 377
  • 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 148,427评论 0 334
  • 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 54,160评论 1 272
  • 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 63,197评论 5 363
  • 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 48,334评论 1 281
  • 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 37,775评论 3 393
  • 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 36,444评论 0 256
  • 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 40,628评论 1 295
  • 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 35,459评论 2 317
  • 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 37,508评论 1 329
  • 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 33,210评论 3 318
  • 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 38,767评论 3 303
  • 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 29,850评论 0 19
  • 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 31,076评论 1 258
  • 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 42,627评论 2 348
  • 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 42,196评论 2 341

推荐阅读更多精彩内容