// 使用LinkedList,双向链表,增删快
List<Person> per = new LinkedList<Person>()
for (int i = 0 i < list.size() i++) {
Person p = new Person(list.get(i).attributeValue("id"),
list.get(i).element("username").getText(),
list.get(i).element("gender").getText(),
list.get(i).element("age").getText(),
list.get(i).element("email").getText())
per.add(p)
}
通过题主的描述可以看到,其实就是一个List<Integer>的集合数据处理问题,希望把相同的数据放到一起,是一种归类 *** 作,也就是说其实总得需要把List<Integer>形式转化为Map<Integer, List<Integer>>的形式
这种形式map的key也就是当前的这个数字,而这个value就是这个数字对应的所有当前出现此key的集合
List<Integer> list = Arrays.asList(1, 1, 2, 3, 4, 2, 1)Map<Integer, List<Integer>> map = new HashMap<>()
for (Integer num : list){
// map是否包含此key,若已经包含则添加一个新的数字到对应value集合中
if (map.containsKey(num)){
map.get(num).add(num)
}else{
// map不包含此key,则重新创建一个新集合,并把这个数字添加进集合
// ,再把集合放到map中
List<Integer> newList = new ArrayList<>()
newList.add(num)
map.put(num, newList)
}
}
System.out.println(map)
输出结果
这只是简单把map打印出来,当然有了这个map,想怎么样输出都是可以的了
额外的,上面的那种写法虽然也还算简单明了,但是对于如今Java8中的流(Stream) *** 作而言,还是显得太复杂了,而且采用for这种外部循环告诉机器你要怎样循环怎么取值,怎样 *** 作实在繁琐,太过命令式编程,若采用Stream的方式来写上述过程就非常简答了,只需要告诉机器你要做什么就可以了,不用去管怎么循环,只管要什么 *** 作(把JDK升到8即可尝试以下代码)
// 第二种方式Java8 StreamMap<Integer, List<Integer>> map1 = list.stream().collect(Collectors.groupingBy(Function.identity(), Collectors.toList()))
System.out.println(map1)
一行代码就搞定了,这里采用的是Collectors.groupingBy方法进行归类数据,里面两个参数代表分别代表:
如何把流中的数据进行归类,表示归类的依据,由于是数字本身,所以第一个参数传入Function.identity,就是代表本身的意思,数字相同就归类到一起
第二个参数是代表,把归类到一起的数字怎么合到一起,Collectors.toList代表就是把数字归类成集合,所以返回的就是Map<Integer, List<Integer>>,这正好是我们要的结果
由于Collectors.groupingBy默认是按照Collectors.toList的方式进行归类的,所以上面的代码还可以再减少一个参数,写为
// 第二种方式Java8 StreamMap<Integer, List<Integer>> map1 = list.stream().collect(Collectors.groupingBy(Function.identity()))
System.out.println(map1)
结果为
结果也是一样的,题主可以自行选择
import random
list_a = []
list = [[1,1,0,1,0], [1,0,1,1,1]]
def mutation(array):
array.append(random.randint(1,10))
return array
def test2():
for num in list:
for i in range(3):
a = mutation(num)
print(a)
print('a_id=',id(a))
list_a.append(a)
print(list_a)
test2(
欢迎分享,转载请注明来源:内存溢出
评论列表(0条)