编程语言
首页 > 编程语言> > 使用 Java 流进行分组和聚合

使用 Java 流进行分组和聚合

作者：互联网

了解使用 Java Streams 解决问题的直接途径，Java Streams 是一个允许我们快速有效地处理大量数据的框架。

当我们对列表中的元素进行分组时，我们可以随后聚合分组元素的字段以执行有意义的操作，帮助我们分析数据。一些示例是加法、平均值或最大值/最小值。这些单个字段的聚合可以使用 Java Streams 和 Collectors 轻松完成。该文档提供了如何进行这些类型计算的简单示例。

但是，还有更复杂的聚合，例如加权平均值、几何平均值。此外，可能需要同时聚合多个字段。在本文中，我们将展示使用 Java Streams 解决此类问题的直接途径。使用这个框架使我们能够快速有效地处理大量数据。

我们假设读者对Java Streams和实用程序Collectors类有基本的了解。

问题布局

让我们考虑一个简单的例子来展示我们想要解决的问题类型。我们将使它非常通用，以便我们可以轻松地概括它。让我们考虑TaxEntry由以下代码定义的实体列表：

public class TaxEntry {

    private String state;
    private String city;
    private int numEntries;
    private double price;
    //Constructors, getters, hashCode, equals etc
}

计算给定城市的条目总数非常简单：

Map<String, Integer> totalNumEntriesByCity = 
              taxes.stream().collect(Collectors.groupingBy(TaxEntry::getCity, 
                                                           Collectors.summingInt(TaxEntry::getNumEntries)));

Collectors.summingInt(TaxEntry::getNumEntries)));

Collectors.groupingBy接受两个参数：一个分类器函数进行分组，一个收集器对属于给定组的所有元素进行下游聚合。我们TaxEntry::getCity用作分类器函数。对于下游，我们使用Collectors::summingIntwhich 返回一个Collector总和我们为每个分组元素获得的税收条目的数量。

如果我们尝试找到复合分组，事情会稍微复杂一些。例如，对于前面的示例，给定州和 城市的条目总数。有几种方法可以做到这一点，但一个非常简单的方法是首先定义：

record StateCityGroup(String state, String city) {}

请注意，我们使用的是 Javarecord，这是一种定义不可变类的简洁方法。此外，Java 编译器为我们生成字段访问器方法hashCode、、等号和toString实现。有了这个，现在的解决方案很简单：

Map<StateCityGroup, Integer> totalNumEntriesForStateCity = 
                    taxes.stream().collect(groupingBy(p -> new StateCityGroup(p.getState(), p.getCity()), 
                                                      Collectors.summingInt(TaxEntrySimple::getNumEntries))
                                          );

因为Collectors::groupingBy我们使用 lambda 表达式设置分类器函数，该表达式创建一个StateCityGroup封装每个州-城市的新记录。下游 Collector 和之前一样。

注意：为了简洁起见，在代码示例中，我们将假设 Collectors 类的所有方法都是静态导入的，因此我们不必显示它们的类限定。

如果我们想同时进行多个聚合，事情开始变得更加复杂。例如，查找给定州和城市的条目数和平均价格之和。该库没有为这个问题提供简单的解决方案。

为了开始解决这个问题，我们从之前的聚合中获取线索，并定义一个记录来封装所有需要聚合的字段：

record TaxEntryAggregation (int totalNumEntries, double averagePrice ) {}

现在，我们如何同时对两个字段进行聚合？正如以下代码中所建议的那样，总是有可能进行两次流收集以分别查找每个聚合：

Map<StateCityGroup, TaxEntryAggregation> aggregationByStateCity = taxes.stream().collect(
           groupingBy(p -> new StateCityGroup(p.getState(), p.getCity()),
                      collectingAndThen(Collectors.toList(), 
                                        list -> {int entries = list.stream().collect(
                                                                   summingInt(TaxEntrySimple::getNumEntries));
                                                 double priceAverage = list.stream().collect(
                                                                   averagingDouble(TaxEntrySimple::getPrice));
                                                 return new TaxEntryAggregation(entries, priceAverage);})));

分组像以前一样完成，但对于下游，我们使用Collectors::collectingAndThen（第 3 行）进行聚合。这个函数有两个参数：

想象一下，我们想同时进行更多的字段聚合。我们需要相应地增加下游列表中的流数量。代码变得效率低下、重复性非常高且不太理想。我们应该寻找更好的替代品。

此外，问题还不止于此，一般来说，我们受限于可以使用 Collectors 辅助类进行的聚合类型。他们的方法 summing*、averaging* 和 summarizing* 仅支持整数、长整数和双精度本机类型。如果我们有更复杂的类型，比如BigIntegeror ，我们该怎么办BigDecimal？

雪上加霜的是，summarizing* 方法仅提供 min、max、count、sum 和 average 的汇总统计数据。如果我们想要执行更复杂的计算，例如加权平均值或几何平均值怎么办？

有些人会争辩说我们总是可以编写自定义收集器，但这需要了解收集器接口并很好地理解流收集器流程。使用 Collectors 类中的实用方法提供的内置收集器更直接。在下一节中，我们将展示一些关于如何实现此目的的策略。

复杂的多重聚合：解决路径

让我们考虑一个简单的例子，它将突出我们在上一节中提到的挑战。假设我们有以下实体：

public class TaxEntry {
    private String state;
    private String city;
    private BigDecimal rate;
    private BigDecimal price;
    record StateCityGroup(String state, String city) {
    }
    //Constructors, getters, hashCode/equals etc
}

我们首先询问每个不同的州-城市对如何找到条目的总数以及rate与price(∑(rate * price)) 的乘积的总和。请注意，我们正在使用BigDecimal.

正如我们在上一节中所做的那样，我们定义了一个封装聚合的类：

record RatePriceAggregation(int count, BigDecimal ratePrice) {}

起初可能看起来令人惊讶，但是对于后面跟着简单聚合的分组的直接解决方案是使用Collectors::toMap.让我们看看我们将如何做到这一点：

Map<StateCityGroup, RatePriceAggregation> mapAggregation = taxes.stream().collect(
      toMap(p -> new StateCityGroup(p.getState(), p.getCity()), 
            p -> new RatePriceAggregation(1, p.getRate().multiply(p.getPrice())), 
            (u1,u2) -> new RatePriceAggregation( u1.count() + u2.count(), u1.ratePrice().add(u2.ratePrice()))
            ));

（第Collectors::toMap2 行）接受三个参数，我们执行以下实现：

让我们演示如何设置一些示例数据：

List<TaxEntry> taxes = Arrays.asList(
                          new TaxEntry("New York", "NYC", BigDecimal.valueOf(0.2), BigDecimal.valueOf(20.0)), 
                          new TaxEntry("New York", "NYC", BigDecimal.valueOf(0.4), BigDecimal.valueOf(10.0)), 
                          new TaxEntry("New York", "NYC", BigDecimal.valueOf(0.6), BigDecimal.valueOf(10.0)), 
                          new TaxEntry("Florida", "Orlando", BigDecimal.valueOf(0.3), BigDe

从前面的代码示例中获取纽约的结果很简单：

System.out.println("New York: " + mapAggregation.get(new StateCityGroup("New York", "NYC")));

这打印：

New York: RatePriceAggregation[count=3, ratePrice=14.00]

这是一个直接的实现，它决定了多个字段和非原始数据类型（BigDecimal在我们的例子中）的分组和聚合。但是，它的缺点是它没有任何终结器允许您执行额外的操作。例如，你不能做任何类型的平均值。

为了展示这个问题，让我们考虑一个更复杂的问题。假设我们想要找到费率-价格的加权平均值，以及每个州和城市对的所有价格的总和。特别是，要找到加权平均值，我们需要计算属于每个州-城市对的所有条目的费率和价格的乘积之和，然后除以每个案例的条目总数 n： 1/n ∑（费率 * 价格）。

为了解决这个问题，我们开始定义一个包含聚合的记录：

TaxEntryAggregation(int count, BigDecimal weightedAveragePrice, BigDecimal totalPrice) {}

有了这个，我们可以进行以下实现：

Map<StateCityGroup, TaxEntryAggregation> groupByAggregation = taxes.stream().collect(
    groupingBy(p -> new StateCityGroup(p.getState(), p.getCity()), 
               mapping(p -> new TaxEntryAggregation(1, p.getRate().multiply(p.getPrice()), p.getPrice()), 
                       collectingAndThen(reducing(new TaxEntryAggregation(0, BigDecimal.ZERO, BigDecimal.ZERO),
                                                  (u1,u2) -> new TaxEntryAggregation(u1.count() + u2.count(),
                                                      u1.weightedAveragePrice().add(u2.weightedAveragePrice()), 
                                                      u1.totalPrice().add(u2.totalPrice()))
                                                  ),
                                         u -> new TaxEntryAggregation(u.count(), 
                                                 u.weightedAveragePrice().divide(BigDecimal.valueOf(u.count()),
                                                                                 2, RoundingMode.HALF_DOWN), 
                                                 u.totalPrice())
                                         )
                      )
              ));

我们可以看到代码稍微复杂一些，但可以让我们得到我们正在寻找的解决方案。我们将更详细地关注它：

  1. 对于分类功能，我们创建一个StateCityGroup 记录
  2. 对于下游，我们调用Collectors::mapping（第 3 行）：
  1. 创建一个默认值TaxEntryAggregation 以涵盖没有下游元素的情况（第 4 行）。
  2. Lambda 表达式进行归约并返回一个TaxEntryAggregation包含字段聚合的新表达式（第 5、6 7 行）

我们看到这种实现不仅允许我们同时进行多个字段聚合，而且还可以在多个阶段执行复杂的计算。

这可以很容易地推广到解决更复杂的问题。路径很简单：定义一条记录，封装所有需要聚合的字段，Collectors::mapping用来初始化记录，然后申请Collectors::collectingAndThen做归约和最终聚合。

和以前一样，我们可以获得纽约的聚合：

System.out.println("Finished aggregation: " + groupByAggregation.get(new StateCityGroup("New York", "NYC")));

我们得到结果：

Finished aggregation: TaxEntryAggregation[count=3, weightedAveragePrice=4.67, totalPrice=40.0]

还值得指出的是，由于TaxEntryAggregation是 Java record，它是不可变的，因此可以使用流收集器库提供的​​支持来并行计算。

结论

我们已经展示了几种策略来使用聚合进行复杂的多字段分组，这些聚合包括具有多字段和跨字段计算的非原始数据类型。这是一个使用 Java 流和 Collectors API 的记录列表，因此它为我们提供了快速有效地处理大量数据的能力。

标签：聚合,BigDecimal,Collectors,TaxEntryAggregation,分组,new,Java,我们
来源： https://blog.csdn.net/CCqwas/article/details/123190547