JavaStream成绩排序与管理技巧

今天golang学习网给大家带来了《Java Stream API：学生成绩排序与管理技巧》，其中涉及到的知识点包括等等，无论你是小白还是老手，都适合看一看哦~有好的建议也欢迎大家在评论留言，若是看完有所收获，也希望大家能多多点赞支持呀！一起加油学习~

在现代数据处理场景中，我们经常需要对集合数据进行过滤、转换和排序。Java 8引入的Stream API为这些操作提供了强大而简洁的工具。本教程将以一个学生成绩管理系统为例，演示如何利用Stream API高效地实现学生成绩的录入、平均分计算、筛选以及排序。

1. 数据收集与初步存储

首先，我们需要从用户输入中读取学生姓名和他们的各科成绩。由于一个学生可能有多门成绩，我们选择使用 Map> 来存储数据，其中键是学生姓名，值是该学生所有成绩的列表。

import java.util.*;
import java.util.stream.Collectors;

public class Main {
    public static void main(String[] args) {
        Scanner scanner = new Scanner(System.in);

        // 读取学生总数N
        int n = Integer.parseInt(scanner.nextLine());

        // 使用Map存储学生姓名及其对应的成绩列表
        Map> studentGrades = new HashMap<>();

        // 循环读取N对学生姓名和成绩
        while(n > 0){
            String name = scanner.nextLine();
            double grade = Double.parseDouble(scanner.nextLine());

            // 如果学生不存在，则添加新列表；否则，将成绩添加到现有列表
            studentGrades.putIfAbsent(name, new ArrayList<>());
            studentGrades.get(name).add(grade);
            n--;
        }
        // 至此，studentGrades中包含了所有学生的原始成绩数据
        // 例如：{"John": [5.5, 4.5], "Alice": [6.0, 3.0], "George": [5.0]}

在上述代码中，putIfAbsent 方法确保了如果 name 键不存在，会创建一个新的 ArrayList 并关联到该键；如果键已存在，则不进行任何操作，直接返回已存在的列表。这简化了向Map中添加数据的逻辑。

2. 平均分计算与数据结构优化

在对学生数据进行过滤和排序时，我们通常需要用到学生的平均分。如果每次过滤或排序时都重新计算平均分，会导致性能下降，尤其是在数据量较大时。一个更高效的方法是预先计算出每个学生的平均分，并将其存储在一个新的数据结构中。

我们可以将 Map> 转换为 Map，其中键仍是学生姓名，而值直接是他们的平均分。这可以通过Stream API的 collect(Collectors.toMap(...)) 方法实现：

        // 使用Stream API将原始成绩Map转换为学生姓名和平均分的Map
        Map studentAverages = studentGrades.entrySet()
            .stream()
            .collect(Collectors.toMap(
                Map.Entry::getKey, // 提取Map的键作为新Map的键 (学生姓名)
                entry -> entry.getValue().stream() // 获取成绩列表
                              .mapToDouble(Double::doubleValue) // 将Double包装类转换为原始double类型
                              .average() // 计算平均值
                              .orElse(0.0) // 如果列表为空，则平均值为0.0 (避免NoSuchElementException)
            ));
        // 现在，studentAverages中存储了每个学生的平均分
        // 例如：{"John": 5.0, "Alice": 4.5, "George": 5.0}

这里，Collectors.toMap 接收两个函数作为参数：第一个用于从原始 Map.Entry 中提取新Map的键，第二个用于提取新Map的值。在提取值的过程中，我们再次使用Stream API计算了每个学生成绩列表的平均值。mapToDouble(Double::doubleValue) 是将 List 中的 Double 对象转换为 double 基本类型，以便使用 average() 方法。orElse(0.0) 用于处理学生成绩列表为空的情况，避免 OptionalDouble 为空时调用 getAsDouble() 抛出异常。

3. 学生数据过滤与排序

有了包含平均分的新Map studentAverages，接下来的过滤和排序操作将变得非常简单和高效。

根据需求，我们需要筛选出平均分大于或等于4.50的学生，然后按照平均分降序排列。

        studentAverages.entrySet()
            .stream() // 获取Map的EntrySet并转换为Stream
            .filter(entry -> entry.getValue() >= 4.50) // 过滤：平均分大于等于4.50
            // 排序：根据Entry的值（平均分）进行降序排序
            // Map.Entry.comparingByValue() 提供了一个Comparator，用于比较Map Entry的值
            // Comparator.reverseOrder() 将排序顺序反转为降序
            .sorted(Map.Entry.comparingByValue(Comparator.reverseOrder()))
            .forEach(pair -> {
                // 格式化输出：姓名 -> 平均分 (保留两位小数)
                System.out.printf("%s -> %.2f%n", pair.getKey(), pair.getValue());
            });

• filter(entry -> entry.getValue() >= 4.50): 这是一个简单的谓词（Predicate），用于筛选出平均分满足条件的Map Entry。
• sorted(Map.Entry.comparingByValue(Comparator.reverseOrder())): 这是排序的关键。
  • Map.Entry.comparingByValue() 返回一个 Comparator，它根据 Map.Entry 的值进行比较。这直接解决了原始问题中对 double 值进行比较时需要 int 类型返回值的问题，因为 comparingByValue 已经处理了 double 类型的比较逻辑。
  • Comparator.reverseOrder() 用于将默认的升序排序反转为降序排序。

4. 完整示例代码

将以上所有步骤整合到一起，形成一个完整的可运行程序：

import java.util.*;
import java.util.stream.Collectors;

public class Main {
    public static void main(String[] args) {
        Scanner scanner = new Scanner(System.in);

        int n = Integer.parseInt(scanner.nextLine());

        Map> studentGrades = new HashMap<>();

        while(n > 0){
            String name = scanner.nextLine();
            double grade = Double.parseDouble(scanner.nextLine());
            studentGrades.putIfAbsent(name, new ArrayList<>());
            studentGrades.get(name).add(grade);
            n--;
        }
        scanner.close(); // 关闭Scanner以释放资源

        // 1. 计算每个学生的平均分并存储到新Map中
        Map studentAverages = studentGrades.entrySet()
            .stream()
            .collect(Collectors.toMap(
                Map.Entry::getKey,
                entry -> entry.getValue().stream()
                              .mapToDouble(Double::doubleValue)
                              .average()
                              .orElse(0.0)
            ));

        // 2. 过滤平均分，然后按平均分降序排序，并格式化输出
        studentAverages.entrySet()
            .stream()
            .filter(entry -> entry.getValue() >= 4.50)
            .sorted(Map.Entry.comparingByValue(Comparator.reverseOrder()))
            .forEach(pair -> {
                System.out.printf("%s -> %.2f%n", pair.getKey(), pair.getValue());
            });
    }
}

测试输入：

5
John
5.5
John
4.5
Alice
6
Alice
3
George
5

预期输出：

John -> 5.00
George -> 5.00
Alice -> 4.50

5. 总结与最佳实践

本教程演示了如何使用Java Stream API高效地处理复杂的数据操作。以下是几个关键的实践点：

• 数据结构选择与优化： 在处理需要多次基于派生值（如平均分）进行操作的场景时，提前计算并存储这些派生值到合适的数据结构（如 Map）中，可以显著提高程序性能，避免重复计算。
• Stream API的链式操作： Stream API支持链式调用，使得数据处理逻辑清晰、简洁。stream().filter().sorted().forEach() 这种模式非常常见且易于理解。
• Collectors.toMap() 的灵活运用： Collectors.toMap() 是一个强大的收集器，能够将Stream中的元素转换为Map，非常适合进行数据转换和聚合。
• Map.Entry.comparingByValue()： 当需要根据Map的键或值进行排序时，Map.Entry.comparingByKey() 和 Map.Entry.comparingByValue() 提供了非常方便的 Comparator，避免了手动实现比较逻辑的复杂性，并能正确处理 double 等浮点数的比较。
• 处理 Optional 值： 在计算平均值等可能返回 Optional 类型的方法时，使用 orElse() 或 orElseThrow() 等方法来安全地处理可能为空的结果，以增强代码的健壮性。

通过掌握这些技巧，开发者可以更有效地利用Java Stream API来编写高性能、可读性强的并发和数据处理代码。

理论要掌握，实操不能落！以上关于《JavaStream成绩排序与管理技巧》的详细介绍，大家都掌握了吧！如果想要继续提升自己的能力，那么就来关注golang学习网公众号吧！