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 方法引用是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 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...
- 神经网络与传统统计方法的简单对比
-
传统的统计方法如...
- 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...
你 发表评论:
欢迎- 一周热门
- 最近发表
- 标签列表
-
- idea eval reset (50)
- vue dispatch (70)
- update canceled (42)
- order by asc (53)
- spring gateway (67)
- 简单代码编程 贪吃蛇 (40)
- transforms.resize (33)
- redisson trylock (35)
- 卸载node (35)
- np.reshape (33)
- torch.arange (34)
- npm 源 (35)
- vue3 deep (35)
- win10 ssh (35)
- vue foreach (34)
- idea设置编码为utf8 (35)
- vue 数组添加元素 (34)
- std find (34)
- tablefield注解用途 (35)
- python str转json (34)
- java websocket客户端 (34)
- tensor.view (34)
- java jackson (34)
- vmware17pro最新密钥 (34)
- mysql单表最大数据量 (35)