1. 概述与问题背景
在数据处理场景中，我们经常需要对集合数据进行转换、筛选和排序。以学生成绩管理为例，常见的需求包括：收集学生的各科成绩，计算平均分，筛选出符合特定条件的（如平均分高于某个阈值）学生，并按平均分高低进行排序。Java 8引入的Stream API为这类数据处理提供了强大而简洁的解决方案。
本教程将演示如何使用Java Stream API来解决以下问题：
- 从输入中读取学生姓名和成绩。
- 存储每个学生的多个成绩。
- 计算每个学生的平均分。
- 筛选出平均分高于或等于特定阈值（例如4.50）的学生。
- 将筛选后的学生按平均分降序排列。
- 以特定格式输出学生姓名及其平均分（保留两位小数）。
2. 数据收集与初始存储
首先，我们需要从标准输入读取数据。学生姓名和成绩是交替输入的，并且每个学生可能有多个成绩。为了存储这些数据，一个 Map
import java.util.*;
import java.util.stream.Collectors;
public class Main {
public static void main(String[] args) {
Scanner scanner = new Scanner(System.in);
int n = Integer.parseInt(scanner.nextLine()); // 读取学生/成绩对的数量
// 使用Map存储学生姓名及其对应的成绩列表
Map> studentRecords = new HashMap<>();
// 循环读取n对学生姓名和成绩
while (n > 0) {
String name = scanner.nextLine();
double grade = Double.parseDouble(scanner.nextLine());
// 如果学生不存在，则创建新的成绩列表；否则，将成绩添加到现有列表中
studentRecords.putIfAbsent(name, new ArrayList<>());
studentRecords.get(name).add(grade);
n--;
}
// 关闭Scanner，释放资源
scanner.close();
// 后续处理将基于这个 studentRecords Map
}
} 在上述代码中，putIfAbsent 方法确保如果学生姓名首次出现，会为他创建一个新的 ArrayList 来存储成绩。
立即学习“Java免费学习笔记（深入）”；
3. Stream API处理：优化平均分计算与排序
原始问题中，用户在 filter 和 sorted 操作中都重复计算了学生的平均分，这会导致性能下降。更优的方法是先计算出每个学生的平均分，将其存储在一个新的 Map
3.1 预计算平均分
我们可以使用Stream API的 collect(Collectors.toMap(...)) 操作将 Map
// 将原始学生成绩Map转换为学生姓名和其平均分的Map
Map studentAverages = studentRecords.entrySet()
.stream()
.collect(Collectors.toMap(
Map.Entry::getKey, // 使用原始Map的键（学生姓名）作为新Map的键
entry -> entry.getValue().stream() // 获取成绩列表
.mapToDouble(Double::doubleValue) // 转换为DoubleStream
.average() // 计算平均值
.orElse(0.0) // 如果没有成绩（理论上不会发生），默认平均分为0.0
)); 这一步是性能优化的关键。通过一次性计算并存储平均分，避免了在后续的过滤和排序操作中重复执行耗时的平均分计算。
3.2 筛选与排序
有了 studentAverages 这个 Map
- 筛选 (Filter): 使用 filter 操作过滤出平均分大于或等于4.50的学生。
- 排序 (Sort): 使用 sorted 操作，并结合 Map.Entry.comparingByValue(Comparator.reverseOrder()) 来按平均分（即Map的值）进行降序排序。Comparator.reverseOrder() 确保了降序排列。
- 输出 (ForEach): 最后使用 forEach 遍历结果，并使用 String.format 或 System.out.printf 来格式化输出，将平均分保留两位小数。
// 对包含平均分的Map进行筛选、排序和输出
studentAverages.entrySet()
.stream()
.filter(entry -> entry.getValue() >= 4.50) // 筛选平均分大于或等于4.50的学生
.sorted(Map.Entry.comparingByValue(Comparator.reverseOrder())) // 按平均分降序排序
.forEach(pair -> {
// 格式化输出，平均分保留两位小数
System.out.printf("%s -> %.2f%n", pair.getKey(), pair.getValue());
});4. 完整代码示例
将以上所有部分整合，构成一个完整的Java程序：
import java.util.*;
import java.util.stream.Collectors;
public class Main {
public static void main(String[] args) {
Scanner scanner = new Scanner(System.in);
int n = Integer.parseInt(scanner.nextLine());
// 1. 数据收集：存储学生姓名及其所有成绩
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--;
}
scanner.close();
// 2. 预计算平均分：将学生成绩Map转换为学生平均分Map
Map studentAverages = studentRecords.entrySet()
.stream()
.collect(Collectors.toMap(
Map.Entry::getKey,
entry -> entry.getValue().stream()
.mapToDouble(Double::doubleValue)
.average()
.orElse(0.0) // 处理无成绩的情况，尽管本例输入不会出现
));
// 3. 筛选、排序并输出：
studentAverages.entrySet()
.stream()
.filter(entry -> entry.getValue() >= 4.50) // 筛选平均分 >= 4.50 的学生
.sorted(Map.Entry.comparingByValue(Comparator.reverseOrder())) // 按平均分降序排序
.forEach(pair -> {
System.out.printf("%s -> %.2f%n", pair.getKey(), pair.getValue()); // 格式化输出
});
}
} 5. 注意事项与总结
- 性能优化： 本教程的核心优化在于将平均分计算提前，避免在 filter 和 sorted 操作中重复计算，显著提高了处理效率，尤其是在数据量较大时。
- Stream API链式操作： Java Stream API支持链式调用，使得数据处理逻辑清晰、代码简洁。
- Comparator 的使用： Map.Entry.comparingByValue() 结合 Comparator.reverseOrder() 是对Map的Entry进行值排序的简洁高效方式。
- 浮点数比较： 在实际应用中，直接比较浮点数（如 average >= 4.50）可能因精度问题导致不准确。对于严格的业务逻辑，通常会引入一个小的容差值（epsilon）进行比较，例如 Math.abs(average - 4.50) 4.50 - epsilon。然而，对于本例的场景，直接比较通常足够。
- 异常处理： 实际应用中，输入解析（如 Double.parseDouble）应考虑 NumberFormatException，并进行相应的错误处理。本例为简化起见未包含。
通过上述方法，我们能够利用Java Stream API以声明式、高效的方式处理复杂的集合数据操作，使代码更具可读性和维护性。
