Java8-对List转换Map、分组、求和、过滤

迈不过友情╰ 2022-03-07 06:52 997阅读 0赞

## 前言 ##

在java8之后我们list转map再也不用循环put到map了，我们用lambda表达式，使用stream可以一行代码解决，下面我来简单介绍list转map的几种方式，和转为map后对map进行分组、求和、过滤等操作。

## 正文 ##

### 数据准备 ###

我们准备一个ArrayList，故意让age有一对重复值

List<User> list = new ArrayList<User>();
            User u1 = new User("pangHu", 18);
            User u2 = new User("piKaQiu", 15);
            User u3 = new User("laoBi", 20);
            User u4 = new User("wangHao", 20);
            list.add(u1);
            list.add(u2);
            list.add(u3);
            list.add(u4);
    
    
    
    static class User {
            private String name;
            private int age;
    
            public User(String name, int age) {
                this.name = name;
                this.age = age;
            }
    
            public String getName() {
                return name;
            }
    
            public void setName(String name) {
                this.name = name;
            }
    
            public int getAge() {
                return age;
            }
    
            public void setAge(int age) {
                this.age = age;
            }
    
            @Override
            public String toString() {
                return "User{" +
                        "name='" + name + '\'' +
                        ", age=" + age +
                        '}';
            }
        }

### List转Map ###

我们在List转Map有三种情况，首先说第一种，最简单、简介的一种

**第一种**

Map<String, User> maps2 = list.stream().collect(Collectors.toMap(User::getName, Function.identity()));

输出结果

{wangHao=User{name='wangHao', age=20}, piKaQiu=User{name='piKaQiu', age=15}, laoBi=User{name='laoBi', age=20}, pangHu=User{name='pangHu', age=18}}

如果我按照一个重复的元素转成map的话就会报错

Map<Integer, User> maps5 = list.stream().collect(Collectors.toMap(User::getAge, Function.identity()));

报错结果

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl8zODAwMzM4OQ_size_16_color_FFFFFF_t_70][]

解决办法就是第二种写法

**第二种**

** **当我们不知道 key 是否有重复时，可以用 (k1,k2)->k1 来设置，如果有重复的key,则保留key1,舍弃key2。

Map<Integer, User> maps = list.stream().collect(Collectors.toMap(User::getAge, a -> a, (k1, k2) -> k1));

输出结果

{18=User{name='pangHu', age=18}, 20=User{name='laoBi', age=20}, 15=User{name='piKaQiu', age=15}}

**第三种**

如果我们要求map的顺序要按照list的执行的话，我们就要转map的时候指定map的具体实现。

Map<String, User> maps3 = list.stream().collect(Collectors.toMap(User::getName,Function.identity(),(k1, k2) -> k1,LinkedHashMap::new));

输出结果

{pangHu=User{name='pangHu', age=18}, piKaQiu=User{name='piKaQiu', age=15}, laoBi=User{name='laoBi', age=20}, wangHao=User{name='wangHao', age=20}}

## ##

### 分组 ###

List里面的对象元素，以某个属性来分组，例如，以age分组，将age相同的放在一起

Map<Integer, List<User>> group = list.stream().collect(Collectors.groupingBy(User::getAge));

输出结果

{18=[User{name='pangHu', age=18}], 20=[User{name='laoBi', age=20}, User{name='wangHao', age=20}], 15=[User{name='piKaQiu', age=15}]}

### 过滤 ###

过滤 list ，从集合中过滤出来符合条件的元素

List<User> filterList = list.stream().filter(a -> a.getName().equals("pangHu")).collect(Collectors.toList());

输出结果

[User{name='pangHu', age=18}]

## ##

### 求和 ###

将集合中的数据按照某个属性求和，求和分两种，一种对int 类型求和，一种是浮点类型

**第一种**

int sum = list.stream().mapToInt(User::getAge).sum();

输出结果

**第二种**

需要把Demo改成

private BigDecimal age;
    
    List<User> list = new ArrayList<User>();
            User u1 = new User("pangHu", new BigDecimal("18"));
            User u2 = new User("piKaQiu", new BigDecimal("15"));
            User u3 = new User("laoBi", new BigDecimal("20"));
            User u4 = new User("wangHao", new BigDecimal("20"));
            list.add(u1);
            list.add(u2);
            list.add(u3);
            list.add(u4);

BigDecimal totalMoney = list.stream().map(User::getAge).reduce(BigDecimal.ZERO, BigDecimal::add);

输出结果

stream还有很多方法比如最大值、最小值、平均值等，想拓展学习可自行查阅资料。

感兴趣的小伙伴可以加微信，带你进大佬云集的群

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl8zODAwMzM4OQ_size_16_color_FFFFFF_t_70 1][]

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl8zODAwMzM4OQ_size_16_color_FFFFFF_t_70]: /images/20220307/4cddaa519ba642ae9a33aa79da6be551.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl8zODAwMzM4OQ_size_16_color_FFFFFF_t_70 1]: /images/20220307/996f2b83063e4bdf845462568aee360d.png