专栏名称: Java基基

一个苦练基本功的 Java 公众号，所以取名 Java 基基

Java8的Stream流太难用了？看看JDFrame

Java基基 · 公众号 · · 2024-08-08 11:55

正文

👉 这是一个或许对你有用 的社群

🐱 一对一交流/面试小册/简历优化/求职解惑，欢迎加入「 芋道快速开发平台 」知识星球。下面是星球提供的部分资料：

《项目实战（视频）》：从书中学，往事中 “练 ”

《互联网高频面试题》：面朝简历学习，春暖花开

《架构 x 系统设计》：摧枯拉朽，掌控面试高频场景题

《精进 Java 学习指南》：系统学习，互联网主流技术栈

《必读 Java 源码专栏》：知其然，知其所以然

👉 这是一个或许对你有用的开源项目

国产 Star 破 10w+ 的开源项目，前端包括管理后台 + 微信小程序，后端支持单体和微服务架构。

功能涵盖 RBAC 权限、SaaS 多租户、数据权限、商城、支付、工作流、大屏报表、微信公众号等等功能：

Boot 仓库：https://gitee.com/zhijiantianya/ruoyi-vue-pro

Cloud 仓库：https://gitee.com/zhijiantianya/yudao-cloud

视频教程：https://doc.iocoder.cn

【国内首批】支持 JDK 21 + SpringBoot 3.2.2、JDK 8 + Spring Boot 2.7.18 双版本

来源：juejin.cn/post/
7356652717392740404

0、简介

由于经常记不住stream的一些API每次要复制来复制去并且又长又臭，想要更加语意化的api，于是想到了以前写大数据Spark pandnas 等DataFrame模型时的API，然后发现其实也存在java的JVM层的DataFrame模型比如 tablesaw，joinery

但是他们得硬编码去指定字段名，这对于有代码洁癖的人实在难以忍受，而且我只是简单统计下数据，我想在一些场景下能不能使用匿名函数去指定的字段处理去处理，于是便有了这个

一个jvm层级的仿DataFrame工具，语意化和简化java8的stream流式处理工具

基于 Spring Boot + MyBatis Plus + Vue & Element 实现的后台管理系统 + 用户小程序，支持 RBAC 动态权限、多租户、数据权限、工作流、三方登录、支付、短信、商城等功能

项目地址：https://github.com/YunaiV/ruoyi-vue-pro

视频教程：https://doc.iocoder.cn/video/

1、快速开始

1.1、引入依赖

<dependency>
    <groupId>io.github.burukeyougroupId>
    <artifactId>jdframeartifactId>
    <version>0.0.2version>
dependency>

1.2、案例

统计每个学校的里学生年龄不为空并且年龄在9到16岁间的合计分数，并且获取合计分前2名的学校

static List studentList = new ArrayList<>();

static {
    studentList.add(new Student(1,"a","一中","一年级",11, new BigDecimal(1)));
    studentList.add(new Student(2,"a","一中","一年级",11, new BigDecimal(1)));
    studentList.add(new Student(3,"b","一中","三年级",12, new BigDecimal(2)));
    studentList.add(new Student(4,"c","二中","一年级",13, new BigDecimal(3)));
    studentList.add(new Student(5,"d","二中","一年级",14, new BigDecimal(4)));
    studentList.add(new Student(6,"e","三中","二年级",14, new BigDecimal(5)));
    studentList.add(new Student(7,"e","三中","二年级",15, new BigDecimal(5)));
}

// 等价于SQL:
// select school,sum(score)  
// from students
// where age is not null and age >=9 and age <= 16
// group by school
// order by sum(score) desc
// limit 2
SDFrame> sdf2 = SDFrame.read(studentList)
        .whereNotNull(Student::getAge)
        .whereBetween(Student::getAge,9,16)
        .groupBySum(Student::getSchool, Student::getScore)
        .sortDesc(FI2::getC2)
        .cutFirst(2);

sdf2.show();

输出信息：

c1  c2 
三中 10 
二中 7  
@Data
@AllArgsConstructor
@NoArgsConstructor
public class Student {

    private int id;
    private String name;
    private String school;
    private String level;
    private Integer age;
    private BigDecimal score;

    private Integer rank;

    public Student(String level, BigDecimal score) {
        this.level = level;
        this.score = score;
    }

    public Student(int id, String name, String school, String level, Integer age, BigDecimal score) {
        this.id = id;
        this.name = name;
        this.school = school;
        this.level = level;
        this.age = age;
        this.score = score;
    }
}

基于 Spring Cloud Alibaba + Gateway + Nacos + RocketMQ + Vue & Element 实现的后台管理系统 + 用户小程序，支持 RBAC 动态权限、多租户、数据权限、工作流、三方登录、支付、短信、商城等功能

项目地址：https://github.com/YunaiV/yudao-cloud

视频教程：https://doc.iocoder.cn/video/

2、API案例

2.1、矩阵信息相关

void show(int n); // 打印矩阵信息到控制台
List columns();   // 获取矩阵的表头字段名
List col(Function function);   // 获取矩阵某一列值
T head();                   // 获取第一个元素
List head(int n);          // 获取前n个元素
T tail();                       // 获取最后一个元素
List tail(int n);            // 获取后n个元素

2.2、筛选相关

SDFrame.read(studentList)
        .whereBetween(Student::getAge,3,6) // 过滤年龄在[3，6]岁的
        .whereBetweenR(Student::getAge,3




    
,6) // 过滤年龄在(3，6]岁的, 不含3岁
        .whereBetweenL(Student::getAge,3,6)      // 过滤年龄在[3，6)岁的, 不含6岁
        .whereNotNull(Student::getName) // 过滤名字不为空的数据， 兼容了空字符串''的判断
        .whereGt(Student::getAge,3)    // 过滤年龄大于3岁
        .whereGe(Student::getAge,3)   // 过滤年龄大于等于3岁
        .whereLt(Student::getAge,3)  // 过滤年龄小于3岁的
        .whereIn(Student::getAge, Arrays.asList(3,7,8)) // 过滤年龄为3岁 或者7岁 或者 8岁的数据
        .whereNotIn(Student::getAge, Arrays.asList(3,7,8)) // 过滤年龄不为为3岁 或者7岁 或者 8岁的数据
        .whereEq(Student::getAge,3) // 过滤年龄等于3岁的数据
        .whereNotEq(Student::getAge,3) // 过滤年龄不等于3岁的数据
        .whereLike(Student::getName,"jay") // 模糊查询，等价于 like "%jay%"
        .whereLikeLeft(Student::getName,"jay") // 模糊查询，等价于 like "jay%"
        .whereLikeRight(Student::getName,"jay"); // 模糊查询，等价于 like "%jay"

2.3、汇总相关

JDFrame frame = JDFrame.read(studentList);
Student s1 = frame.max(Student::getAge);// 获取年龄最大的学生
Integer s2  = frame.maxValue(Student::getAge);      // 获取学生里最大的年龄
Student s3 = frame.min(Student::getAge);// 获取年龄最小的学生
Integer s4  = frame.minValue(Student::getAge);      // 获取学生里最小的年龄
BigDecimal s5 = frame.avg(Student::getAge); // 获取所有学生的年龄的平均值
BigDecimal s6 = frame.sum(Student::getAge); // 获取所有学生的年龄合计
MaxMin s7 = frame.maxMin(Student::getAge); // 同时获取年龄最大和最小的学生
MaxMin s8 = frame.maxMinValue(Student::getAge); // 同时获取学生里最大和最小的年龄

2.4、去重相关

原生steam只支持对象去重，不支持按特定字段去重

List std = null;
std = SDFrame.read(studentList).distinct().toLists(); // 根据对象hashCode去重
std = SDFrame.read(studentList).distinct(Student::getSchool).toLists(); // 根据学校名去重
std = SDFrame.read(studentList).distinct(e -> e.getSchool() + e.getLevel()).toLists(); // 根据学校名拼接级别去重复
std =SDFrame.read(studentList).distinct(Student::getSchool).distinct(Student::getLevel).toLists(); // 先根据学校名去除重复再根据级别去除重复

2.5、简单分组聚合相关

类似sql的 group by语义简化处理分组和聚合的逻辑，如果用原生stream需要写可能一大串逻辑。

JDFrame frame = JDFrame.from(studentList);
// 等价于 select school,sum(age) ... group by school
List> a = frame.groupBySum(Student::getSchool, Student::getAge).toLists();
// 等价于 select school,max(age) ... group by school
List> a2 = frame.groupByMaxValue(Student::getSchool, Student::getAge).toLists();
//  与 groupByMaxValue 含义一致，只是返回的是最大的值对象
List> a3 = frame.groupByMax(Student::getSchool, Student::getAge).toLists();
// 等价于 select school,min(age) ... group by school
List> a4 = frame.groupByMinValue(Student::getSchool, Student::getAge).toLists();
// 等价于 select school,count(*) ... group by school
List> a5 = frame.groupByCount(Student::getSchool).toLists();
// 等价于 select school,avg(age) ... group by school
List> a6 = frame.groupByAvg(Student::getSchool, Student::getAge).toLists();

// 等价于 select school,sum(age),count(age) group by school
List> a7 = frame.groupBySumCount(Student::getSchool, Student::getAge).toLists();

// (二级分组)等价于 select school,level,sum(age),count(age) group by school,level
List> a8 = frame.groupBySum(Student::getSchool, Student::getLevel, Student::getAge).toLists();

// （三级分组）等价于 select school,level,name,sum(age),count(age) group by school,level,name
List> a9 = frame.groupBySum(Student::getSchool, Student::getLevel, Student::getName, Student::getAge).toLists();

2.6、排序相关

简化原生stream的排序方式，直接指定字段即可，不用使用Comparator还要去关注升序还是降序

// 等价于 order by age desc
SDFrame.read(studentList).sortDesc(Student::getAge);
//  等价于 order by age desc, level asc
SDFrame.read(studentList).sortDesc(Student::getAge).sortAsc(Student::getLevel);
// 等价于 order by age asc
SDFrame.read(studentList).sortAsc(Student::getAge);
// 使用Comparator 排序
SDFrame.read(studentList).sortAsc(Comparator.comparing(e -> e.getLevel() + e.getId()));

2.7、连接矩阵相关

API列表

append(T t);                    // 等价于集合 add
union(IFrame other);         //  等价于集合 addAll
join(IFrame other, JoinOn on, Join join);   // 等价于 sql内连接
leftJoin(IFrame other, JoinOn on, Join join);   // 等价于sql左连接，如果左连接失败，K值为null，需手动判断
rightJoin(IFrame other, JoinOn on, Join join);    // 等价于sql右连接，如果右连接失败，T值为null，需手动判断

内连接例子：

System.out.println("======== 矩阵1 =======");

SDFrame sdf = SDFrame.read(studentList);

sdf.show(20);

// 获取学生年龄在9到16岁的学学校合计分数最高的前10名
SDFrame> sdf2 = SDFrame.read(studentList)
        .whereNotNull(Student::getAge)
        .whereBetween(Student::getAge,9,16)
        .groupBySum(Student::getSchool, Student::getScore)
        .sortDesc(FI2::getC2)
        .cutFirst(10);

System.out.println("======== 矩阵2 =======");
sdf2.show();

SDFrame frame = sdf.join(sdf2, (a, b) -> a.getSchool().equals(b.getC1()), (a, b) -> {
    UserInfo userInfo = new UserInfo();
    userInfo.setKey1(a.getSchool());
    userInfo.setKey2(b.getC2().intValue());
    userInfo.setKey3(String.valueOf(a.getId()));
    return userInfo;
});

System.out.println("======== 连接后结果 =======");
frame.show(5);

打印信息：

======== 矩阵1 =======
id name school level age score rank 
1  a    一中     一年级   11  1          
2  a    一中     一年级   11  1          
3  b    一中     一年级   12  2          
4  c    二中     一年级   13  3          
5  d    二中     一年级   14  4          
6  e    三中     二年级   14  5          
7  e    三中     二年级   15  5          

======== 矩阵2 =======
c1 c2 
三中 10 
二中 7  
一中 4  

======== 连接后结果 =======
key1 key2 key3 key4 
一中   4    1         
一中   4    2         
一中   4    3         
二中   7    4         
二中   7    5

类似于

select a.*,b.* from sdf a inner join sdf2 b on  a.school = b.c1

2.8、其他

百分数转换

// 等价于 select round(score*100,2) from student
SDFrame map2 = SDFrame.read(studentList).mapPercent(Student::getScore, Student::setScore,2);

分区

将每个5个元素分成一个小集合，用于将大任务拆成小任务

List> t = SDFrame.read(studentList).partition(5).toLists();

生成序号

按照age排序，然后根据当前顺序生成排序号到rank字段（序号从0开始）

SDFrame.read(studentList)
    .sortDesc(Student::getAge)
    .addSortNoCol(Student::setRank)
    .show(30);

输出信息:

id name school level age score rank 
7  e    三中     二年级   15  5     0    
5  d    二中     一年级   14  4     1    
6  e    三中     二年级   14  5     2    
4  c    二中     一年级   13  3     3    
3  b    一中     三年级   12  2     4    
1  a    一中     一年级   11  1     5    
2  a    一中     一年级   11  1     6

生成排名号

按照age降序排序，然后根据当前顺序生成排名号到rank字段（排名从0开始）

与序号不同的是，排名是如果值相同认为排名一样。

SDFrame df = SDFrame.read(studentList).addRankingSameColDesc(Student::getAge, Student::setRank);
df.show(20);

输出信息

id name school level age score rank 
7  e    三中     二年级   15  5     1    
5