导读:本期聚焦于小伙伴创作的《如何应用Collectors.toMap实现在映射集合变量时统计各分类变量的占比》,敬请观看详情,探索知识的价值。以下视频、文章将为您系统阐述其核心内容与价值。如果您觉得《如何应用Collectors.toMap实现在映射集合变量时统计各分类变量的占比》有用,将其分享出去将是对创作者最好的鼓励。

在Java的Stream API中,Collectors.toMap是一个功能强大的收集器,能够将流中的元素转换为Map结构,在需要统计集合中分类变量占比的场景下,它可以配合分组、计数等操作快速实现需求。下面我们详细讲解具体的实现方式。

如何应用Collectors.toMap实现在映射集合变量时统计各分类变量的占比

Collectors.toMap基础用法回顾

Collectors.toMap需要接收两个核心参数,分别是键的生成函数和值的生成函数,还可以额外传入合并函数处理键冲突的情况。基础语法如下:

// 基础语法
Collector<T, ?, Map<K, U>> toMap(
    Function<? super T, ? extends K> keyMapper,  // 键映射函数
    Function<? super T, ? extends U> valueMapper  // 值映射函数
)

// 带键冲突处理的语法
Collector<T, ?, Map<K, U>> toMap(
    Function<? super T, ? extends K> keyMapper,
    Function<? super T, ? extends U> valueMapper,
    BinaryOperator<U> mergeFunction  // 键冲突时的合并函数
)

统计分类变量占比的实现思路

统计分类占比的核心步骤分为三步:首先统计每个分类的出现次数,其次计算集合的总元素数,最后用每个分类的次数除以总次数得到占比。我们可以结合Collectors.groupingByCollectors.counting先完成分类计数,再使用Collectors.toMap将计数结果转换为分类到占比的映射。

基础场景实现示例

假设我们有一个学生列表,需要统计每个班级的学生占比,首先定义学生实体类:

import java.util.Objects;

public class Student {
    private String name;
    private String className;  // 班级分类变量

    public Student(String name, String className) {
        this.name = name;
        this.className = className;
    }

    // getter方法
    public String getName() {
        return name;
    }

    public String getClassName() {
        return className;
    }

    @Override
    public boolean equals(Object o) {
        if (this == o) return true;
        if (o == null || getClass() != o.getClass()) return false;
        Student student = (Student) o;
        return Objects.equals(name, student.name) && Objects.equals(className, student.class_name);
    }

    @Override
    public int hashCode() {
        return Objects.hash(name, className);
    }
}

接下来实现分类占比统计的逻辑:

import java.util.ArrayList;
import java.util.List;
import java.util.Map;
import java.util.stream.Collectors;

public class RatioStatisticsDemo {
    public static void main(String[] args) {
        // 初始化测试数据
        List<Student> studentList = new ArrayList<>();
        studentList.add(new Student("张三", "一班"));
        studentList.add(new Student("李四", "一班"));
        studentList.add(new Student("王五", "二班"));
        studentList.add(new Student("赵六", "三班"));
        studentList.add(new Student("钱七", "一班"));

        // 第一步:统计每个班级的学生数量
        Map<String, Long> classCountMap = studentList.stream()
                .collect(Collectors.groupingBy(Student::getClassName, Collectors.counting()));

        // 第二步:获取总学生数
        long totalCount = studentList.size();

        // 第三步:使用Collectors.toMap计算每个班级的占比
        Map<String, Double> classRatioMap = classCountMap.entrySet().stream()
                .collect(Collectors.toMap(
                        Map.Entry::getKey,  // 键为班级名称
                        entry -> (double) entry.getValue() / totalCount  // 值为占比,转为double避免整数除法
                ));

        // 输出结果
        classRatioMap.forEach((className, ratio) -> 
                System.out.println(className + "的占比为:" + ratio)
        );
    }
}

上述代码的输出结果为:

一班的占比为:0.6
二班的占比为:0.2
三班的占比为:0.2

处理键冲突的场景

如果分类变量存在重复的映射场景,比如我们需要统计每个班级中男生女生的占比,同时可能存在相同的性别分类,这时候需要传入合并函数。示例如下:

import java.util.ArrayList;
import java.util.List;
import java.util.Map;
import java.util.stream.Collectors;

public class GenderRatioDemo {
    public static void main(String[] args) {
        // 学生实体增加性别属性
        class StudentWithGender {
            private String className;
            private String gender;

            public StudentWithGender(String className, String gender) {
                this.className = className;
                this.gender = gender;
            }

            public String getClassName() {
                return className;
            }

            public String getGender() {
                return gender;
            }
        }

        List<StudentWithGender> list = new ArrayList<>();
        list.add(new StudentWithGender("一班", "男"));
        list.add(new StudentWithGender("一班", "男"));
        list.add(new StudentWithGender("一班", "女"));
        list.add(new StudentWithGender("二班", "男"));

        // 统计每个班级下不同性别的占比
        Map<String, Map<String, Double>> classGenderRatio = list.stream()
                .collect(Collectors.groupingBy(
                        StudentWithGender::getClassName,
                        Collectors.collectingAndThen(
                                Collectors.groupingBy(StudentWithGender::getGender, Collectors.counting()),
                                genderCountMap -> {
                                    long classTotal = genderCountMap.values().stream().mapToLong(Long::longValue).sum();
                                    // 内部使用Collectors.toMap转换性别到占比的映射
                                    return genderCountMap.entrySet().stream()
                                            .collect(Collectors.toMap(
                                                    Map.Entry::getKey,
                                                    entry -> (double) entry.getValue() / classTotal,
                                                    (v1, v2) -> v1  // 性别不会重复,这里合并函数可随便写
                                            ));
                                }
                        )
                ));

        // 输出结果
        classGenderRatio.forEach((className, genderRatio) -> {
            System.out.println(className + "的性别占比:");
            genderRatio.forEach((gender, ratio) -> 
                    System.out.println("  " + gender + ":" + ratio)
            );
        });
    }
}

注意事项

  • 计算占比时需要将计数结果转为浮点型,否则会出现整数除法导致结果为0的问题。
  • 如果分类变量可能为null,需要在映射前使用filter过滤掉null值,避免后续操作出现空指针异常。
  • Collectors.toMap默认返回的Map是不支持null键和null值的,如果需要支持null值,可以手动指定返回的Map类型,比如使用HashMap::new作为第四个参数。

通过上述方式,我们可以灵活使用Collectors.toMap完成各类集合分类变量的占比统计,适配不同的业务场景需求。

Collectors_toMapJava_stream分类占比统计集合映射修改时间:2026-06-13 03:39:41

免责声明:​ 已尽一切努力确保本网站所含信息的准确性。网站内容多为原创整理与精心编撰,观点力求客观中立。本站旨在免费分享,内容仅供个人学习、研究或参考使用。若引用了第三方作品,版权归原作者所有。如内容涉及您的权益,请联系我们处理。
内容垂直聚焦
专注技术核心技术栏目,确保每篇文章深度聚焦于实用技能。从代码技巧到架构设计,为用户提供无干扰的纯技术知识沉淀,精准满足专业提升需求。
知识结构清晰
覆盖从开发到部署的全链路。AI、前端、编程、数据库、服务器、建站、系统层层递进,构建清晰学习路径,帮助用户系统化掌握开发与运维所需的核心技术。
深度技术解析
拒绝泛泛而谈,深入技术细节与实践难点。无论是数据库优化还是服务器配置,均结合真实场景与代码示例进行剖析,致力于提供可直接应用于工作的解决方案。
专业领域覆盖
精准对应开发生命周期。从前端界面到后端编程,从数据库操作到服务器运维,形成完整闭环,一站式满足全栈工程师和运维人员的技术需求。
即学即用高效
内容强调实操性,步骤清晰、代码完整。用户可根据教程直接复现和应用于自身项目,显著缩短从学习到实践的距离,快速解决开发中的具体问题。
持续更新保障
专注既定技术方向进行长期、稳定的内容输出。确保各栏目技术文章持续更新迭代,紧跟主流技术发展趋势,为用户提供经久不衰的学习价值。