Stream之filter、distinct、skip、map、flatMap、match、find、reduce

一、Stream之filter、distinct、skip:

 1 package com.cy.java8;
 2
 3 import java.util.Arrays;
 4 import java.util.List;
 5 import java.util.stream.Collectors;
 6
 7 public class StreamFilter {
 8
 9     public static void main(String[] args) {
10         List<Integer> list = Arrays.asList(1, 2, 3, 4, 5, 6, 6, 7, 7, 8);
11
12         //取出偶数
13         List<Integer> result = list.stream().filter(i -> i % 2 == 0).collect(Collectors.toList());
14         System.out.println(result);
15
16         //去重
17         List<Integer> result1 = list.stream().distinct().collect(Collectors.toList());
18         System.out.println(result1);
19
20         //跳过前面的5个元素
21         List<Integer> result2 = list.stream().skip(5).collect(Collectors.toList());
22         System.out.println(result2);
23
24         //只要前面的5个
25         List<Integer> result3 = list.stream().limit(5).collect(Collectors.toList());
26         System.out.println(result3);
27     }
28 }

打印结果:

[2, 4, 6, 6, 8]
[1, 2, 3, 4, 5, 6, 7, 8]
[6, 6, 7, 7, 8]
[1, 2, 3, 4, 5]

二、Stream之map、flatMap:  

 1 package com.cy.java8;
 2
 3 import java.util.Arrays;
 4 import java.util.List;
 5 import java.util.stream.Collectors;
 6 import java.util.stream.Stream;
 7
 8 public class StreamMap {
 9
10     public static void main(String[] args) {
11         List<Integer> list = Arrays.asList(1, 2, 3, 4, 5, 6, 6, 7, 7, 8);
12
13         //list集合中每个数放大两倍
14         List<Integer> result1 = list.stream().map(i -> i * 2).collect(Collectors.toList());
15         System.out.println(result1);
16
17         //只返回Dish中的name
18         List<String> result2 = listDish().stream().map(d -> d.getName()).collect(Collectors.toList());
19         System.out.println(result2);
20
21         /**
22          * 需求:将Hello和World单词中重复的字母去掉
23          * flatmap flat(扁平化)
24          */
25         String[] words = {"Hello", "World"};
26         //{H,e,l,l,o}, {W,o,r,l,d}
27         Stream<String[]> stream = Arrays.stream(words).map(w -> w.split(""));   //Stream<String[]>
28         //H,e,l,l,o,W,o,r,l,d
29         Stream<String> stringStream = stream.flatMap(Arrays::stream);
30         List<String> result3 = stringStream.distinct().collect(Collectors.toList());
31         System.out.println(result3);
32     }
33
34     private static List<Dish> listDish(){
35         List<Dish> menu = Arrays.asList(
36                 new Dish("pork", false, 800, Dish.Type.MEAT),
37                 new Dish("beef", false, 700, Dish.Type.MEAT),
38                 new Dish("chicken", false, 400, Dish.Type.MEAT),
39                 new Dish("french fries", true, 530, Dish.Type.OTHER),
40                 new Dish("rice", true, 350, Dish.Type.OTHER),
41                 new Dish("season fruit", true, 120, Dish.Type.OTHER),
42                 new Dish("pizza", true, 550, Dish.Type.OTHER),
43                 new Dish("prawns", false, 300, Dish.Type.FISH),
44                 new Dish("salmon", false, 450, Dish.Type.FISH));
45         return menu;
46     }
47 }

打印结果:

[2, 4, 6, 8, 10, 12, 12, 14, 14, 16]
[pork, beef, chicken, french fries, rice, season fruit, pizza, prawns, salmon]
[H, e, l, o, W, r, d]

三、stream之match、find、reduce:

-----

原文地址:https://www.cnblogs.com/tenWood/p/11517715.html

时间: 2024-11-02 20:19:49

Stream之filter、distinct、skip、map、flatMap、match、find、reduce的相关文章

java1.8 新特性(五 如何使用filter,limit ,skip ,distinct map flatmap ,collect 操作 java集合)

使用filter 根据 条件筛选 出结果:例如 找出 user 中 age >=15 的用户 package lambda.stream; /** * @author 作者:cb * @version 创建时间:2019年1月4日 下午2:35:05 */ import java.util.Arrays; import java.util.List; import java.util.stream.Collectors; import java.util.stream.Stream; publi

Scala learning(2): map, flatMap, filter与For表达式

本文叙述Collections里最常见的三种操作map, flatMap, filter,与For表达式的关系. List对三种方法的实现 map在List的实现: abstract class List[+T] { def map[U](f: T => U): List[U] = this match { case x :: xs => f(x) :: xs.map(f) case Nil => Nil } } flatMap在List的实现: abstract class List[

java8 stream limit distinct map flatMap

SparkContext, map, flatMap, zip以及例程wordcount

SparkContext 通常作为入口函数,可以创建并返回一个RDD. 如把Spark集群当作服务端那Spark Driver就是客户端,SparkContext则是客户端的核心: 如注释所说 SparkContext用于连接Spark集群.创建RDD.累加器(accumlator).广播变量(broadcast variables) map操作: 会对每一条输入进行指定的操作,然后为每一条输入返回一个对象: flatMap操作: "先映射后扁平化" 操作1:同map函数一样:对每一条

java8 map flatmap

map: 对于Stream中包含的元素使用给定的转换函数进行转换操作,新生成的Stream只包含转换生成的元素.这个方法有三个对于原始类型的变种方法,分别是:mapToInt,mapToLong和mapToDouble.这三个方法也比较好理解,比如mapToInt就是把原始Stream转换成一个新的Stream,这个新生成的Stream中的元素都是int类型.之所以会有这样三个变种方法,可以免除自动装箱/拆箱的额外消耗: map方法示意图: flatMap:和map类似,不同的是其每个元素转换得

RxJava 变换操作符 map flatMap concatMap buffer

demo地址:https://github.com/baiqiantao/RxJavaDemo.git 常用的变换操作符 map:[数据类型转换]将被观察者发送的事件转换为另一种类型的事件 flatMap:[化解循环嵌套和接口嵌套]将被观察者发送的事件序列进行拆分 & 转换 后合并成一个新的事件序列,最后再进行发送 concatMap:[有序]与 flatMap 的 区别在于,拆分 & 重新合并生成的事件序列 的顺序与被观察者旧序列生产的顺序一致 flatMapIterable:相当于对 

Java 8 stream forEach filter anyMatch

forEach的循 someObjects.forEach(obj -> { //to do something }) 如果这个循环的目标是找到匹配某个谓词的第一个元素 Optional<SomeObject> result = someObjects.stream().filter(obj -> some_condition_met).findFirst(); 如果你只是想知道集合中是否有一个元素的条件为真,你可以使用anyMatch: boolean result = some

Python3版本中的filter函数,map函数和reduce函数

一.filter函数: filter()为已知的序列的每个元素调用给定的布尔函数,调用中,返回值为非零的元素将被添加至一个列表中 1 def f1(x): 2 if x>20: 3 return True 4 else: 5 return False 6 7 l1 = [ 1, 2, 3, 42, 67, 16 ] 8 print(filter(f1, l1)) 9 #输出如下: 10 #<filter object at 0x000000000117B898> 11 l2 = filt

Swift --&gt; Map &amp; FlatMap

转载自:https://segmentfault.com/a/1190000004050907 Map map函数能够被数组调用,它接受一个闭包作为参数,作用于数组中的每个元素.闭包返回一个变换后的元素,接着将所有这些变换后的元素组成一个新的数组. 这听起来有些复杂,但它是相当简单的.想象你拥有一个string类型的数组: let testArray = ["test1","test1234","","test56"] map