本文详细介绍了如何利用Java Stream API高效处理学生成绩数据。内容涵盖了从控制台读取学生姓名和成绩、动态存储多门成绩，到通过Stream API计算每位学生的平均分。核心优化在于将学生多门成绩的map转换为学生与平均分的Map，从而避免重复计算。文章进一步讲解了如何根据平均分进行过滤和降序排序，并最终以指定格式输出结果，强调了Stream API在数据处理中的简洁性与效率。
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
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<String, List<double>> 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
立即学习“Java免费学习笔记（深入）”；
// 使用Stream API将原始成绩Map转换为学生姓名和平均分的Map Map<String, Double> 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
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<String, List<Double>> 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<String, Double> 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。
