本文深入探讨如何利用Java Stream API高效处理学生成绩数据。我们将学习如何收集、计算学生平均分，并在此基础上进行过滤和降序排序，最终以指定格式输出结果。文章强调通过预计算平均分来优化性能，并利用Stream API的强大功能简化代码逻辑。

1. 数据收集与初始存储

在处理学生成绩数据时，通常需要将每个学生的多个成绩关联起来。一个常见的做法是使用 map> 来存储，其中键是学生姓名（string），值是该学生所有成绩的列表（list

以下代码片段展示了如何从标准输入读取学生姓名和成绩，并将其存储到 Map 中：

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

        Map<String, List<Double>> records = new HashMap<>();

        // 循环读取数据并存储
        while(n > 0){
            String name = scanner.nextLine();
            double grade = Double.parseDouble(scanner.nextLine());
            // 如果学生不存在，则添加新列表；否则，将成绩添加到现有列表
            records.putIfAbsent(name, new ArrayList<>());
            records.get(name).add(grade);
            n--;
        }
        // ... 后续处理
    }
}

2. Stream API处理的挑战与优化思路

在处理完原始数据后，我们需要执行以下操作：

1. 计算每个学生的平均分。
2. 过滤掉平均分低于特定阈值（例如 4.50）的学生。
3. 根据平均分进行降序排序。
4. 以指定格式打印结果。

最初的实现可能会在 filter 和 sorted 操作中多次计算平均分，这会导致性能下降。例如，在 sorted 操作的 Comparator 中再次计算平均分，不仅冗余，而且将 double 类型的差值强制转换为 int ((int) (average2 - average1)) 可能导致排序不准确，因为小数部分的差异会被截断。

为了解决这个问题，最佳实践是预先计算并存储平均分。我们可以将原始的 Map> 转换为 Map，其中键是学生姓名，值是其对应的平均分。

立即学习“Java免费学习笔记（深入）”；

3. 预计算学生平均分

使用 Java Stream API 的 Collectors.toMap 可以优雅地完成这一转换：

// 将原始记录转换为包含平均分的Map
Map<String, Double> recordsWithAverage = records.entrySet()
    .stream()
    .collect(Collectors.toMap(
        Map.Entry::getKey, // 使用原始Map的键作为新Map的键（学生姓名）
        e -> e.getValue().stream().mapToDouble(x -> x).average().orElse(0.0) // 计算平均分，如果列表为空则默认为0.0
    ));

注意事项： average() 方法返回一个 OptionalDouble。为了避免在学生没有成绩时调用 getAsDouble() 抛出 NoSuchElementException，我们使用 orElse(0.0) 提供一个默认值（例如 0.0），尽管在本场景中，根据问题描述，每个学生都会有成绩。

AI舌诊面诊问诊医疗系统+诊疗商城系统源码

AI 舌诊面诊问诊医疗系统 + 诊疗商城系统源码是一套结合 AI 辅助诊断与商品转化的健康类程序，基于浩创云、ThinkPHP（PHP）开发，支持微信服务号与 H5 端，适合做中医舌诊面诊问答、健康建议推送以及配套诊疗商品的运营。

下载

4. 过滤、排序与输出

有了包含平均分的 recordsWithAverage 之后，后续的过滤和排序操作将变得更加高效和简洁。

// 对包含平均分的Map进行过滤、排序和输出
recordsWithAverage.entrySet()
    .stream()
    .filter(e -> e.getValue() >= 4.50) // 过滤平均分大于或等于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：姓名 -> 平均分 (保留两位小数)
        System.out.printf("%s -> %.2f%n", pair.getKey(), pair.getValue());
    });

代码解析：

• filter(e -> e.getValue() >= 4.50)：直接使用 Map.Entry 的值（即平均分）进行过滤。
• sorted(Map.Entry.comparingByValue(Comparator.reverseOrder()))：这是排序的关键。
  • Map.Entry.comparingByValue()：这是一个方便的 Comparator 工厂方法，它会创建一个 Comparator，用于比较 Map.Entry 对象的值。
  • Comparator.reverseOrder()：用于将默认的升序排序转换为降序排序。通过组合这两个方法，我们实现了按平均分降序排序，无需手动编写复杂的 lambda 表达式。
• forEach(pair -> System.out.printf("%s -> %.2f%n", pair.getKey(), pair.getValue()))：遍历排序后的结果，并使用 printf 方法以指定格式输出，其中 %.2f 用于将 double 值格式化为保留两位小数的浮点数。

5. 完整代码示例

结合以上所有步骤，完整的解决方案如下：

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. 数据收集与初始存储
        Map<String, List<Double>> records = new HashMap<>();
        while(n > 0){
            String name = scanner.nextLine();
            double grade = Double.parseDouble(scanner.nextLine());
            records.putIfAbsent(name, new ArrayList<>());
            records.get(name).add(grade);
            n--;
        }

        // 2. 预计算学生平均分
        Map<String, Double> recordsWithAverage = records.entrySet()
            .stream()
            .collect(Collectors.toMap(
                Map.Entry::getKey,
                e -> e.getValue().stream().mapToDouble(x -> x).average().orElse(0.0) // 处理空列表情况
            ));

        // 3. 过滤、排序与输出
        recordsWithAverage.entrySet()
            .stream()
            .filter(e -> e.getValue() >= 4.50) // 过滤平均分
            .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
            });

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

总结

通过本教程，我们学习了如何使用 Java Stream API 高效地处理和排序复杂数据结构。核心优化点在于：

1. 避免重复计算： 在进行过滤和排序之前，预先计算并存储派生值（如平均分），可以显著提高性能。
2. 善用 Collectors： Collectors.toMap 等方法提供了强大的数据转换能力，能够将一种集合类型高效地转换为另一种。
3. 利用 Comparator 工具方法： Map.Entry.comparingByValue() 和 Comparator.reverseOrder() 等 Comparator 工厂方法使排序逻辑更加简洁和易读，同时避免了 double 到 int 强制类型转换可能导致的精度问题。

掌握这些技巧，将有助于您编写更高效、更具可读性的 Java Stream API 代码。