Java Stream API：高效处理学生成绩数据并按平均分排序教程

1. 问题背景与数据处理需求

在实际应用中，我们经常需要处理结构化数据，例如学生成绩。本教程的目标是构建一个程序，能够：

1. 读取指定数量的学生姓名及其对应的多门成绩。
2. 记录每位学生的全部成绩。
3. 计算每位学生的平均分。
4. 筛选出平均分高于或等于4.50的学生。
5. 将筛选后的学生按照平均分降序排列。
6. 以特定格式（"{姓名} -> {平均分}"，平均分保留两位小数）输出结果。

2. 初始数据收集与存储

首先，我们需要一个数据结构来存储学生的姓名和他们的多门成绩。HashMap是一个理想的选择，其中键为学生姓名（String），值为一个包含该学生所有成绩的列表（List）。

import java.util.*;
import java.util.stream.Collectors;

public class StudentGradesProcessor {
    public static void main(String[] args) {
        Scanner scanner = new Scanner(System.in);

        int n = Integer.parseInt(scanner.nextLine()); // 读取学生数量

        Map> studentRecords = new HashMap<>();

        // 循环读取学生姓名和成绩
        while (n > 0) {
            String name = scanner.nextLine();
            double grade = Double.parseDouble(scanner.nextLine());
            // 如果学生不存在，则添加新条目；否则，将成绩添加到现有列表中
            studentRecords.putIfAbsent(name, new ArrayList<>());
            studentRecords.get(name).add(grade);
            n--;
        }

        // 后续处理将在下方详细介绍
    }
}

在上述代码中，我们使用putIfAbsent方法确保每个学生姓名只创建一次列表，然后通过get(name).add(grade)将成绩添加到对应的列表中。

3. Stream API优化：计算平均分、过滤与排序

原始的处理方式可能会在过滤和排序阶段多次计算学生的平均分，这不仅效率低下，而且在进行浮点数比较时，直接将double类型转换为int进行排序（如(int) (average2 - average1)）可能会导致精度丢失，从而产生错误的排序结果。

为了解决这些问题，我们可以采用以下优化策略：

立即学习“Java免费学习笔记（深入）”；

1. 一次性计算平均分并存储： 将Map>转换为Map，其中键是学生姓名，值是其计算好的平均分。
2. 利用Map.Entry的比较器： Java 8的Stream API提供了强大的Comparator辅助方法，特别是针对Map.Entry的排序，可以避免手动编写复杂的比较逻辑。

3.1 转换数据结构：计算平均分

我们可以使用Collectors.toMap将原始的studentRecords映射转换为一个新的Map，其中存储的是学生的姓名及其平均分。

Skybox AI

一键将涂鸦转为360°无缝环境贴图的AI神器

下载

        Map recordsWithAverage = studentRecords.entrySet()
            .stream()
            // 将每个Map.Entry>转换为Map.Entry
            // 键保持不变，值为对应List的平均值
            .collect(Collectors.toMap(
                Map.Entry::getKey, // 新Map的键是原始Map的键（学生姓名）
                e -> e.getValue().stream().mapToDouble(Double::doubleValue).average().orElse(0.0) // 新Map的值是平均分
            ));

这里，e -> e.getValue().stream().mapToDouble(Double::doubleValue).average().orElse(0.0)负责计算每个学生所有成绩的平均值。mapToDouble(Double::doubleValue)将Stream转换为DoubleStream，以便进行平均值计算。orElse(0.0)用于处理学生没有成绩的情况（尽管在此问题中不会发生，但作为健壮性考虑是好的实践）。

3.2 过滤与排序

现在我们有了recordsWithAverage，其中每个学生都对应一个已经计算好的平均分。接下来的过滤和排序操作将变得非常简洁和高效。

        recordsWithAverage.entrySet()
            .stream()
            // 过滤：只保留平均分大于或等于4.50的学生
            .filter(e -> e.getValue() >= 4.50)
            // 排序：按平均分降序排列
            // Map.Entry.comparingByValue() 返回一个Comparator，用于比较Map.Entry的值
            // Comparator.reverseOrder() 将比较器反转，实现降序排列
            .sorted(Map.Entry.comparingByValue(Comparator.reverseOrder()))
            // 遍历并打印结果
            .forEach(pair -> {
                System.out.printf("%s -> %.2f%n", pair.getKey(), pair.getValue());
            });

这里的关键是Map.Entry.comparingByValue(Comparator.reverseOrder())。它直接作用于Map.Entry对象，根据其值进行比较，并且Comparator.reverseOrder()确保了降序排列。这样，我们无需手动编写复杂的Comparator逻辑，代码更加简洁易懂。

4. 完整代码示例

将上述所有部分整合起来，完整的Java程序如下：

import java.util.*;
import java.util.stream.Collectors;

public class StudentGradesProcessor {
    public static void main(String[] args) {
        Scanner scanner = new Scanner(System.in);

        int n = Integer.parseInt(scanner.nextLine());

        // 步骤1: 收集原始学生姓名和成绩数据
        Map> studentRecords = new HashMap<>();
        while (n > 0) {
            String name = scanner.nextLine();
            double grade = Double.parseDouble(scanner.nextLine());
            studentRecords.putIfAbsent(name, new ArrayList<>());
            studentRecords.get(name).add(grade);
            n--;
        }

        // 步骤2: 计算每个学生的平均分，并存储到新的Map中
        Map recordsWithAverage = studentRecords.entrySet()
            .stream()
            .collect(Collectors.toMap(
                Map.Entry::getKey,
                e -> e.getValue().stream().mapToDouble(Double::doubleValue).average().orElse(0.0)
            ));

        // 步骤3: 过滤、排序并打印结果
        recordsWithAverage.entrySet()
            .stream()
            .filter(e -> e.getValue() >= 4.50) // 过滤：平均分大于等于4.50
            .sorted(Map.Entry.comparingByValue(Comparator.reverseOrder())) // 排序：按平均分降序
            .forEach(pair -> {
                System.out.printf("%s -> %.2f%n", pair.getKey(), pair.getValue()); // 格式化输出
            });

        scanner.close(); // 关闭Scanner
    }
}

5. 注意事项与总结

• 避免重复计算： 将平均分计算为独立的一步，避免在过滤和排序过程中反复计算，显著提高了效率。
• 使用Double.compare()或内置比较器： 对于浮点数比较，应使用Double.compare()或像Map.Entry.comparingByValue()这样的内置比较器，而不是将差值强制转换为int，以避免精度问题和不正确的排序结果。
• Stream API的链式操作： Stream API允许将多个操作（如filter、sorted、forEach）链式调用，使代码更具可读性和表达力。
• Collectors.toMap的强大功能： Collectors类提供了多种强大的收集器，能够将流中的元素转换成不同的数据结构，是Stream API中不可或缺的一部分。
• 资源管理： 养成关闭Scanner等资源的好习惯，避免资源泄露。

通过本教程，您应该已经掌握了如何使用Java Stream API高效地处理学生成绩数据，包括数据的收集、转换、过滤和排序，并了解了如何优化代码以提高性能和准确性。