Java中用流stream计算加权平均值
内容提要
本文探讨了计算一组值的加权平均值的几种方法。加权平均值是通过将每个数字与其权重的乘积相加，然后除以所有权重的总和来计算的。可以使用流和reduce()函数来实现这一计算。另外，还介绍了使用自定义收集器来封装计算过程的方法。使用收集器可以更简单地计算加权平均值，并且可以在并行流上使用。
延伸解读
不同实现方式的权衡
文章展示了计算加权平均值的多种方法，各有优劣。两次流计算和for循环简单直接，但需要可变变量或两次遍历；扩展列表法直观但效率低；reduce()方法能在一次遍历中完成且保持不可变性，但代码较复杂；自定义收集器封装了计算过程，使用简便且支持并行流，但实现复杂。读者应根据具体场景选择：若追求简洁，可选两次流计算；若需并行处理，自定义收集器更合适。
并行流支持与自定义收集器
自定义收集器通过实现supplier、accumulator、combiner和finisher方法，能够无缝支持并行流。在并行流中，每个线程使用独立的RunningTotals实例进行累加，最后通过combiner合并结果。这避免了共享状态带来的线程安全问题，同时提高了计算效率。文章指出，虽然编写收集器较为复杂，但一旦实现，使用起来非常简便，且能自动适应并行处理，适合需要重复使用的场景。
实现细节与注意事项
在实现自定义收集器时，需注意泛型类型T、A、R的定义，以及Characteristics的设置。文章中的收集器标记为UNORDERED，因为加权平均计算不依赖元素顺序。同时，未使用CONCURRENT和IDENTITY_FINISH，以确保正确性。此外，combiner方法必须实现，以支持并行流。这些细节确保了收集器在顺序和并行流中都能正确工作，但开发者需理解其含义，避免误用。
Q&A
Java中如何用Stream计算加权平均值？
可以使用Stream的mapToDouble分别计算分子（每个值乘以其权重之和）和分母（权重之和），然后相除。例如：double top = values.stream().mapToDouble(v -> v.value * v.weight).sum(); double bottom = values.stream().mapToDouble(v -> v.weight).sum(); double result = top / bottom;
用reduce()计算加权平均值时，三个参数分别是什么？
reduce()的三个参数：第一个是初始值（如new WeightedAverage(0,0)）；第二个是累加器lambda，将当前元素累加到运行总计中；第三个是组合器lambda，用于合并两个并行流的运行总计。最后调用average()得到结果。
自定义收集器计算加权平均值需要实现哪些方法？
需要实现Collector接口的五个方法：supplier()提供可变容器；accumulator()将元素累加到容器；combiner()合并两个容器（用于并行流）；finisher()将容器转换为最终结果；characteristics()返回收集器特性。
为什么自定义收集器更适合并行流？
因为收集器通过combiner()方法支持合并多个并行流的中间结果，并且可以指定CONCURRENT等特性来优化并行处理。而reduce()虽然也支持并行，但需要显式传递组合器lambda，使用起来更复杂。
扩展列表法计算加权平均值有什么优缺点？
优点：代码更直观，易于理解，且方便进行其他操作（如求中位数）。缺点：效率较低，因为需要为每个权重创建多个副本，占用更多内存和计算资源。
加权平均值和普通平均值有什么区别？
普通平均值将所有数字相加后除以数字个数；加权平均值则考虑每个数字的权重，计算方法是每个数字乘以其权重后求和，再除以所有权重之和。例如，数字1,3,5,7,9的普通平均值为5，但给定权重10,20,30,50,40后，加权平均值为6.2。
