答案：collectors.groupingby可用于按字段分组、统计数量、求和、平均值及多级分组。1. 按部门分组返回map；2. 配合counting()统计每组数量；3. 用summingint求和，averagingint求平均；4. 嵌套groupingby实现多级分组；5. 使用summarizingint获取数量、总和、最值等综合统计。掌握其双参数结构可灵活处理各类分组需求。
在Java 8引入的Stream API中，Collectors.groupingBy 是一个非常实用的工具，特别适合对集合数据进行分组统计。它能让我们像写SQL一样优雅地处理集合，比如按某个字段分组、统计数量、求和、计算平均值等。下面结合常见场景，分享如何高效使用 Collectors.groupingBy 实现分组统计。
1. 基本分组：按字段分类
假设我们有一个员工类 Employee，想按部门分组：
class Employee {
String name;
String department;
int salary;
// 构造函数、getter省略
}
使用 groupingBy 按部门分组：
Map<String, List<Employee>> grouped = employees.stream()
.collect(Collectors.groupingBy(Employee::getDepartment));
结果是一个以部门为键、员工列表为值的Map，相当于SQL中的 GROUP BY department。
立即学习“Java免费学习笔记（深入）”；
2. 统计每组数量：类似 count(*)
如果只想知道每个部门有多少人，可以用 groupingBy 配合 counting()：
Map<String, Long> countByDept = employees.stream()
.collect(Collectors.groupingBy(
Employee::getDepartment,
Collectors.counting()
));
这会返回每个部门对应的员工数量，类型为 Long，适用于大数据量。
3. 分组后求和或平均值
要计算每个部门的工资总和，可以使用 summingInt：
Map<String, Integer> sumSalaryByDept = employees.stream()
.collect(Collectors.groupingBy(
Employee::getDepartment,
Collectors.summingInt(Employee::getSalary)
));
</font>
若想求平均工资，改用 averagingInt：
Map<String, Double> avgSalaryByDept = employees.stream()
.collect(Collectors.groupingBy(
Employee::getDepartment,
Collectors.averagingInt(Employee::getSalary)
));
4. 多级分组：嵌套 groupBy
有时候需要多维度分组，比如先按部门、再按薪资区间分组：
Map<String, Map<String, List<Employee>>> nestedGroup = employees.stream()
.collect(Collectors.groupingBy(
Employee::getDepartment,
Collectors.groupingBy(e ->
e.getSalary() > 8000 ? "高薪" : "普通"
)
));
这样得到的是一个嵌套Map，外层是部门，内层是薪资等级，适合做多维分析。
5. 自定义收集器：组合多个统计值
如果需要同时获取某组的数量、总和、最大值等，可以用 summarizingInt：
Map<String, IntSummaryStatistics> statsByDept = employees.stream()
.collect(Collectors.groupingBy(
Employee::getDepartment,
Collectors.summarizingInt(Employee::getSalary)
));
// 使用时可获取多种信息
statsByDept.forEach((dept, stats) -> {
System.out.println(dept + ": count=" + stats.getCount() +
", sum=" + stats.getSum() +
", max=" + stats.getMax());
});
基本上就这些常用模式。合理使用 Collectors.groupingBy 能大幅简化集合处理逻辑，让代码更清晰、易维护。关键是理解它的两个参数：第一个是分组依据，第二个是组内如何收集。掌握这个结构，就能灵活应对各种分组统计需求。不复杂但容易忽略细节，比如返回类型、空值处理等，实际使用中注意判空即可。
