One bite of Stream（9）

Partitioning

其实partitioning属于groupingBy的一种特殊情况，那就是二分，分成两组。

Map<Boolean, List<Dish>> partitionedMenu = menu.stream()
        .collect(partitioningBy(Dish::isVegetarian));

List<Dish> vegetarianDishes = partitionedMenu.get(true);

根据partitioningBy的条件，分为True和False各一组。

但是这种又可以直接使用filter来实现：

List<Dish> vegetarianDishes = menu.stream()
            .filter(Dish::isVegetarian).collect(toList());

我们来看看更高级一些的用法：

1. 二次分组，先partitioningBy再groupingBy

Map<Boolean, Map<Dish.Type, List<Dish>>> vegetarianDishesByType = menu.stream()
        .collect(partitioningBy(Dish::isVegetarian,
              groupingBy(Dish::getType)));

相当于先进行了一次二分组，划分出是否素食，然后在素食和非素食内部再根据type进行分组。

2. 先二分，再求算最大值

Map<Boolean, Dish> mostCaloricPartitionedByVegetarian = menu.stream().collect(
    partitioningBy(Dish::isVegetarian,
         collectingAndThen(maxBy(comparingInt(Dish::getCalories)),
               Optional::get)));

先进行了一次二分组，划分出是否素食，然后素食和非素食内部根据Calories进行比较，找到最大的Dish，然后取到。

在这里看，partitioningBy和groupingBy没有太大的区别，一个是多分组，另外一个是二分罢了。

一个实例，判断质数合数：

public boolean isPrime(int candidate) { 
    return IntStream.range(2, candidate).noneMatch(i -> candidate % i == 0);
}

实际上不需要计算这么多，只需要到平方根即可：

public boolean isPrime(int candidate) {
    int candidateRoot = (int) Math.sqrt((double) candidate); 
    return IntStream.rangeClosed(2, candidateRoot)
                    .noneMatch(i -> candidate % i == 0);
}

根据我们上述方法，可以进行二分了：

public Map<Boolean, List<Integer>> partitionPrimes(int n) { 
    return IntStream.rangeClosed(2, n)
                    .boxed()
                    .collect(partitioningBy(candidate -> isPrime(candidate)));
}

附录：所有收集器