百度360必应搜狗淘宝本站头条
当前位置:网站首页 > 技术分类 > 正文

Java中::这个符号是干嘛的

ztj100 2024-12-06 20:54 17 浏览 0 评论

1. 前言

Java中的方法引用,很多同学都见过但却叫不出名字,在这篇文章中,我们将看到什么是方法引用以及如何使用它。

2. 方法引用的使用场景

我们先来看看方法引用的使用:

 new Random().ints(10)
         .map(i->Math.abs(i))
         .forEach(i -> System.out.println(i));

这里我们随机生成10个整数然后取它们绝对值并一一打印出来。写法是没有问题的,但是还是可以再简化的。

map方法接受的是一个函数式接口IntUnaryOperator,那么上面代码中的i->Math.abs(i)实际上是:

 new IntUnaryOperator() {
     @Override
     public int applyAsInt(int operand) {
         return Math.abs(operand);
     }
 }

从上面来看IntUnaryOperator就是代理了Math.abs(int i),参数列表、返回值都相同,而且没有掺杂其它额外的逻辑。这一点非常重要,不掺杂其它逻辑才能相互代替。那么就可以通过方法引用来简化Lambda 表达式。上面的式子就可以简化为:

 new Random().ints(10)
         .map(Math::abs)
         .forEach(System.out::println);

3. 方法引用

Java 方法引用Java 8随着Lambda表达式引入的新特性。 可以直接引用已有Java类或对象的方法或构造器。方法引用通常与Lambda表达式结合使用以简化代码。其使用条件是:Lambda表达式的主体仅包含一个表达式,且Lambda表达式只调用了一个已经存在的方法;被引用的方法的参数列表和返回值与Lambda表达式的输入输出一致


3.1 格式

方法引用的格式为<ClassName | instance>::<MethodName>。也就是被引用的方法所属的类名和方法名用双冒号::隔开,构造器方法是个例外,引用会用到new关键字,总结了一下:

引用方式说明静态方法引用ClassName :: staticMethodName 例如上面的Math::abs构造器引用ClassName :: new 例如通过Supplier<T> 返回新实例类任意实例方法引用ClassName :: instanceMethodName 例如 String::concat类特定实例方法引用instance:: instanceMethodName 例如 this::equals

4. 关于可读性问题

大部分人认为Lambda 表达式存在阅读困难的问题,其实不然,这种流水线的结构恰恰增加了可读性,每一个Lambda 表达式都可以看作一个执行策略,方法引用反而让你能更加清楚执行了什么策略。另外我经常见到类似如下的流式写法:

 new Random().ints(10)
         .map(operand -> {
             System.out.println("operand = " + operand);
             return operand+1;
         })
         .forEach(System.out::println);

这种"大肚子"写法的风格是不建议在函数式编程中出现的。最好单独提出来封装做方法引用,写成下面的风格:

 public void randomInt() {
     new Random().ints(10)
             .map(this::selfIncreasing)
             .forEach(System.out::println);
 
 }
 ?
 // 封装
 private int selfIncreasing(int self){
     System.out.println("self = " + self);
     return self+1;
 }

这样反而可读性很强,随机取10个数,然后每个数走个自增并分别打印出来。

5. 总结

方法引用实现在特定场景下Lambda表达式的简化表示,目的在于让代码更加简洁。但是习惯了传统Java编程风格的同学上来会不太适应,希望借助于本文能帮助你解决这个问题。我是:码农小胖哥 关注我获取更多编程干货资讯。

相关推荐

其实TensorFlow真的很水无非就这30篇熬夜练

好的!以下是TensorFlow需要掌握的核心内容,用列表形式呈现,简洁清晰(含表情符号,<300字):1.基础概念与环境TensorFlow架构(计算图、会话->EagerE...

交叉验证和超参数调整:如何优化你的机器学习模型

准确预测Fitbit的睡眠得分在本文的前两部分中,我获取了Fitbit的睡眠数据并对其进行预处理,将这些数据分为训练集、验证集和测试集,除此之外,我还训练了三种不同的机器学习模型并比较了它们的性能。在...

机器学习交叉验证全指南:原理、类型与实战技巧

机器学习模型常常需要大量数据,但它们如何与实时新数据协同工作也同样关键。交叉验证是一种通过将数据集分成若干部分、在部分数据上训练模型、在其余数据上测试模型的方法,用来检验模型的表现。这有助于发现过拟合...

深度学习中的类别激活热图可视化

作者:ValentinaAlto编译:ronghuaiyang导读使用Keras实现图像分类中的激活热图的可视化,帮助更有针对性...

超强,必会的机器学习评估指标

大侠幸会,在下全网同名[算法金]0基础转AI上岸,多个算法赛Top[日更万日,让更多人享受智能乐趣]构建机器学习模型的关键步骤是检查其性能,这是通过使用验证指标来完成的。选择正确的验证指...

机器学习入门教程-第六课:监督学习与非监督学习

1.回顾与引入上节课我们谈到了机器学习的一些实战技巧,比如如何处理数据、选择模型以及调整参数。今天,我们将更深入地探讨机器学习的两大类:监督学习和非监督学习。2.监督学习监督学习就像是有老师的教学...

Python教程(三十八):机器学习基础

...

Python 模型部署不用愁!容器化实战,5 分钟搞定环境配置

你是不是也遇到过这种糟心事:花了好几天训练出的Python模型,在自己电脑上跑得顺顺当当,一放到服务器就各种报错。要么是Python版本不对,要么是依赖库冲突,折腾半天还是用不了。别再喊“我...

超全面讲透一个算法模型,高斯核!!

...

神经网络与传统统计方法的简单对比

传统的统计方法如...

AI 基础知识从0.1到0.2——用“房价预测”入门机器学习全流程

...

自回归滞后模型进行多变量时间序列预测

下图显示了关于不同类型葡萄酒销量的月度多元时间序列。每种葡萄酒类型都是时间序列中的一个变量。假设要预测其中一个变量。比如,sparklingwine。如何建立一个模型来进行预测呢?一种常见的方...

苹果AI策略:慢哲学——科技行业的“长期主义”试金石

苹果AI策略的深度原创分析,结合技术伦理、商业逻辑与行业博弈,揭示其“慢哲学”背后的战略智慧:一、反常之举:AI狂潮中的“逆行者”当科技巨头深陷AI军备竞赛,苹果的克制显得格格不入:功能延期:App...

时间序列预测全攻略,6大模型代码实操

如果你对数据分析感兴趣,希望学习更多的方法论,希望听听经验分享,欢迎移步宝藏公众号...

AI 基础知识从 0.4 到 0.5—— 计算机视觉之光 CNN

...

取消回复欢迎 发表评论: