使用分组,计数和过滤操作收集流

Question

我正在尝试收集丢弃很少使用的项目的流,如下例所示:

import java.util.*;
import java.util.function.Function;
import static java.util.stream.Collectors.*;
import static org.hamcrest.MatcherAssert.assertThat;
import static org.hamcrest.Matchers.containsInAnyOrder;
import org.junit.Test;

@Test
public void shouldFilterCommonlyUsedWords() {
    // given
    List<String> allWords = Arrays.asList(
       "call", "feel", "call", "very", "call", "very", "feel", "very", "any");

    // when
    Set<String> commonlyUsed = allWords.stream()
            .collect(groupingBy(Function.identity(), counting()))
            .entrySet().stream().filter(e -> e.getValue() > 2)
            .map(Map.Entry::getKey).collect(toSet());

    // then
    assertThat(commonlyUsed, containsInAnyOrder("call", "very"));
}

我觉得有可能做得更简单 - 我是对的吗？

Answer 1

Map除非您希望接受非常高的CPU复杂性,否则无法创建.

但是,您可以删除第二个 collect操作:

Map<String,Long> map = allWords.stream()
    .collect(groupingBy(Function.identity(), HashMap::new, counting()));
map.values().removeIf(l -> l<=2);
Set<String> commonlyUsed=map.keySet();

请注意,在Java 8中,HashSet仍然包装a HashMap,所以当你想要a时,使用keySet()a HashMap,在Set当前实现的情况下不会浪费空间.

当然,Collector如果感觉更"流" ,你可以隐藏后处理:

Set<String> commonlyUsed = allWords.stream()
    .collect(collectingAndThen(
        groupingBy(Function.identity(), HashMap::new, counting()),
        map-> { map.values().removeIf(l -> l<=2); return map.keySet(); }));

Answer 2

不久前我为我的图书馆写了一个实验方法：distinct(atLeast)

public StreamEx<T> distinct(long atLeast) {
    if (atLeast <= 1)
        return distinct();
    AtomicLong nullCount = new AtomicLong();
    ConcurrentHashMap<T, Long> map = new ConcurrentHashMap<>();
    return filter(t -> {
        if (t == null) {
            return nullCount.incrementAndGet() == atLeast;
        }
        return map.merge(t, 1L, (u, v) -> (u + v)) == atLeast;
    });
}

所以我们的想法是像这样使用它：

Set<String> commonlyUsed = StreamEx.of(allWords).distinct(3).toSet();

这执行了状态过滤，看起来有点难看。我怀疑这个功能是否有用，因此我没有将其合并到 master 分支中。尽管如此，它还是在单流传递中完成了工作。也许我应该恢复它。同时，您可以将此代码复制到静态方法中并像这样使用它：

Set<String> commonlyUsed = distinct(allWords.stream(), 3).collect(Collectors.toSet());

更新（2015/05/31）：我将该distinct(atLeast)方法添加到了 StreamEx 0.3.1 中。它是使用自定义 spliterator实现的。基准测试表明，对于顺序流，此实现比上述状态过滤要快得多，并且在许多情况下，它也比本主题中提出的其他解决方案更快。null如果在流中遇到它，它也能很好地工作（groupingBy收集器不支持null作为类，因此如果遇到groupingBy基于 - 的解决方案将失败）。null