用流收集数据

分区

分区是分组的特殊情况：由一个谓词(返回一个布尔值的函数)作为分类函数，它称分区函数。分区函数返回一个布尔值，这意味着得到的分组Map的键类型是Boolean,于是它最多可以分为两组——true是一组，false是一组。例如，如果把菜单按照素食和非素食分开：

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

这会返回下面的Map:

{false=[pork, beef,chicken, prawns, salmon], true=[french fries, rice, season fruit, pizza])

那么通过Map中键为true的值，就可以找出所有的素食菜肴了：

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

请注意，用同样的分区谓词，对菜单List创建的流作筛选，然后把结果收集到另外一个List中也可以获得相同的结果：

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

分区的优势

分区的好处在于保留了分区函数返回true或false的两套流元素列表。在上一个例子中，要得到非素食Dish的List,可以使用两个筛选操作来访问partitionedMenu这个Map中false键的值：一个利用谓词，一个利用该谓词的非。而且就像在分组中看到的，partitioningBy工厂方法有一个重载版本，可以像下面这样传递第二个收集器：

Map<Boolean, Map<Dish.Type,List<Dish>>> vegetarianDishesByType = menu.stream()
		.collect(//一分区函数
			partitioningBy(Dish::isVegetarian, 
			groupingBy(Dish::getType)));//第二个收集器

这将产生一个二级Map:

{false = {FISH = [prawns, salmon], MEAT = [pork, beef, chicken]}, 
true = {OTHER = [french fries, rice, season fruit, pizza]}}

这里，对于分区产生的素食和非素食子流，分别按类型对菜肴分组，得到了一个二级Map。再举一个例子，可以重用前面的代码来找到素食和非素食中热量最高的菜：

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

这将产生以下结果：

{false=pork, true=pizza}

可以把分区看作分组一种特殊情况。groupingBy和partitioningBy收集器之间的相似之处并不止于此.

测验:使用partitioningBy
我们已经看到，和groupingBy收集器类似，partitioningBy收集器也可以结合其他收集器使用。尤其是它可以与第二个partitioningBy收集器一起使用来实现多级分区。
以下多级分区的结果会是什么呢?

(1)menu.stream().collect(partitioningBy(Dish::isVegetarian,
partitioningBy (d -> d.getCalories()> 500>));

(2)menu.stream().collect (partitioningBy(Dish::isVegetarian,partitioningBy (Dish::getType)));

(3)menu.stream().collect (partitioningBy(Dish::isvegetarian,counting()));

答案如下。
(1)这是一个有效的多级分区，产生以下二级Map:
{false={false=[chicken,prawns, salmon], true=[pork, beef]},
true={false=[rice, season fruit], true=[french fries, pizza]}}
(2)这无法编译，因为partitioningBy需要一个谓词，也就是返回一个布尔值的函数。方法引用Dish::getType不能用作谓词。
(3)它会计算每个分区中项目的数目，得到以下Map:
{false=5,true=4}

将数字按质数和非质数分区

假设你要写一个方法，它接受参数int n,并将前n个自然数分为质数和非质数。但首先，找出能够测试某一个待测数字是否是质数的谓词会很有帮助：

public boolean isPrime(int candidate) {
	return IntStream.range(2, candidate)//产生一个自然数范围，从2开始，直至但不包括待测数
		.noneMatch(i -> candidate % i == 0);//如果待测数字不能被流中任何数字整除则返回true

一个简单的优化是仅测试小于等于待测数平方根的因子：

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

现在最主要的一部分工作已经做好了。为了把前n个数字分为质数和非质数，只要创建一个包含这n个数的流，用刚刚写的isPrime方法作为谓词，再给partitioningBy收集器归约就好了：

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