Collectors.groupingBy可用于Java中集合分组，支持单字段、多字段及条件分组，结合Stream API实现统计、求和、平均等聚合操作。1. 按部门分组得Map<String, List>；2. 可嵌套Collectors.counting()、summingInt()、averagingInt()实现数量、总和、均值计算；3. 支持多级分组，如先按部门再按薪资高低分为High/Low；4. 分组键可自定义，如按姓名首字母或是否为管理员划分角色。核心是分组函数与下游收集器配合，灵活实现数据分类聚合。
在Java 8及以上版本中，Collectors.groupingBy 是处理集合数据分组的常用工具，配合 Stream API 可以高效实现数据的分类与聚合。它类似于 SQL 中的 GROUP BY 操作，支持按单字段、多字段、条件分组，并可嵌套聚合计算，如计数、求和、平均值等。
1. 基本分组：按字段分组
最简单的用法是根据对象的某个属性进行分组。假设有一个员工类：
class Employee { String department; String name; int salary; // 构造函数、getter 省略}
将员工按部门分组：
Map<String, List> byDept = employees.stream() .collect(Collectors.groupingBy(Employee::getDepartment));
结果是一个 Map，key 是部门名称，value 是该部门所有员工的列表。
立即学习“Java免费学习笔记（深入）”；
2. 分组后聚合：统计数量、求和、平均值
使用 Collectors.groupingBy 结合其他 Collector 实现聚合操作。
千帆AppBuilder
百度推出的一站式的AI原生应用开发资源和工具平台，致力于实现人人都能开发自己的AI原生应用。
174 查看详情 统计每组数量（类似 SQL 的 COUNT）：
Map countByDept = employees.stream() .collect(Collectors.groupingBy( Employee::getDepartment, Collectors.counting() ));
计算每组薪资总和：
Map sumSalary = employees.stream() .collect(Collectors.groupingBy( Employee::getDepartment, Collectors.summingInt(Employee::getSalary) ));
计算平均薪资：
Map avgSalary = employees.stream() .collect(Collectors.groupingBy( Employee::getDepartment, Collectors.averagingInt(Employee::getSalary) ));
3. 多级分组：嵌套 groupingBy
支持按多个条件分组，比如先按部门，再按薪资等级划分。
Map<String, Map<String, List>> nested = employees.stream() .collect(Collectors.groupingBy( Employee::getDepartment, Collectors.groupingBy(e -> e.getSalary() > 8000 ? "High" : "Low") ));
得到的是一个两级 Map：第一层是部门，第二层是“High”或“Low”薪资分类。
4. 自定义分组条件
分组键可以是任意表达式。例如按姓名首字母分组：
Map<Character, List> byInitial = employees.stream() .collect(Collectors.groupingBy(e -> e.getName().charAt(0)));
也可以用于条件归类，如将员工分为“管理层”和“普通员工”：
Map<String, List> byRole = employees.stream() .collect(Collectors.groupingBy(e -> List.of("Alice", "Bob").contains(e.getName()) ? "Manager" : "Staff" ));
基本上就这些。groupingBy 灵活且强大，掌握好能大幅简化集合处理逻辑。关键在于理解其两个参数：分组函数 和 下游收集器（downstream collector），后者决定了分组后的聚合行为。不复杂但容易忽略细节，比如类型推断和嵌套结构的泛型写法。
以上就是Java里如何使用Collectors.groupingBy分组数据_分组聚合策略解析的详细内容，更多请关注创想鸟其它相关文章！
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。
如发现本站有涉嫌抄袭侵权/违法违规的内容， 请发送邮件至 chuangxiangniao@163.com 举报，一经查实，本站将立刻删除。
发布者：程序猿，转转请注明出处：https://www.chuangxiangniao.com/p/1102994.html
微信扫一扫 
支付宝扫一扫 
