Java Stream 实现嵌套分组计数：按索引分块并统计元素频次

本文介绍如何使用 java stream 将列表按索引分块（以因子 f 划分），构建 `map>`，外层键为块索引（`i / f`），内层为元素值及其在该块内的出现次数。

在实际数据处理中，常需对有序列表进行“逻辑分片”并分别统计各片内元素分布——例如将日志索引按时间窗口分组、将数组按批次划分后分析每批的数值频次。Java 8+ 的 Stream API 提供了强大的嵌套分组能力，但需巧妙组合 Collectors.groupingBy 才能同时处理双重键（块索引 + 元素值）与计数聚合。

核心思路是：不直接流式遍历元素，而是通过 IntStream.range(0, list.size()) 生成索引流，再利用 boxed() 转为 Stream，从而在后续操作中同时访问索引 i 和对应元素 list.get(i)。

以下为完整实现：

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

public class NestedGroupingExample {
    public static Map> groupByIndexBlockAndCount(
            List list, int factor) {
        if (list == null || factor <= 0) {
            throw new IllegalArgumentException("List must not be null and factor must be positive");
        }
        return IntStream.range(0, list.size())
                .boxed()
                .collect(
                        Collectors.groupingBy(
                                i -> i / factor, // 外层分组键：块索引（向下取整除法）
                                Collectors.groupingBy(
                                        list::get, // 内层分组键：当前索引对应的元素值
                                        Collectors.counting() // 聚合：统计频次
                                )
                        )
                );
    }

    // 示例用法
    public static void main(String[] args) {
        List data = List.of(1, 1, 1, 4);
        int factor = 2;

        Map> result = groupByIndexBlockAndCount(data, factor);
        System.out.println(result);
        // 输出: {0={1=2}, 1={1=1, 4=1}}
    }
}

✅ 关键点解析：

SolidPoint

Youtube视频总结器，快速将Youtube长视频压缩成文字摘要

下载

立即学习“Java免费学习笔记（深入）”；

• i -> i / factor 使用整数除法自动实现“块对齐”：索引 0,1 → 块 0；2,3 → 块 1；依此类推；
• list::get 是方法引用，等价于 i -> list.get(i)，安全获取当前索引处的值；
• 外层 groupingBy 生成 Map，内层 groupingBy 在每个块内再次分组，counting() 精确统计重复值数量；
• 整个过程无副作用、不可变、符合函数式风格，且一次流式遍历完成，时间复杂度 O(n)。

⚠️ 注意事项：

• 若 factor 为 0 或负数，会抛出 ArithmeticException 或逻辑错误，务必前置校验；
• list::get 在并发修改列表时可能引发 ConcurrentModificationException，确保源列表线程安全或仅在单线程环境使用；
• 对于超大列表，嵌套 HashMap 可能带来一定内存开销，若仅需部分块结果，可考虑先 filter 索引流再分组以提升效率。

该方案优雅替代了传统 for 循环，体现了 Stream API 在多级聚合场景下的表达力与可维护性优势。