按n小时的数据包分组

时间:2018-10-07 23:18:47

标签: java date java-8 grouping

我有一个Java POJO,它具有LocalDateTime字段(controlDate)和一个int(订单)字段以及其他字段,但与我的问题无关。

我从数据库中获取了该POJO的列表,例如:

controlDate                 orders
2018-10-07 23:26:00.000+02  5
2018-10-07 23:27:00.000+02  2
2018-10-07 18:33:00.000+02  8
2018-10-07 18:35:00.000+02  4

我的最终目标是按n小时的数据包汇总数据(并以最早的日期作为汇总日期),并获取“订单”列的平均值

例如,值为n = 2,我想得到类似这样的东西:

controlDate                 orders
2018-10-07 23:26:00.000+02  3 (or 4, I don't really care about the rounding)
2018-10-07 18:33:00.000+02  6

我非常确定,使用Java 8流可以实现此目标,也许可以使用Collectors.groupingBy,但是我不知道该如何实现。...

感谢您的帮助!

1 个答案:

答案 0 :(得分:1)

此代码应能解决问题:

class Delivery {
    LocalDateTime timestamp;
    Integer packages;

    public Delivery(LocalDateTime timestamp, Integer packages) {
        this.timestamp = timestamp;
        this.packages = packages;
    }


    public Integer getPackages() {
        return packages;
    }

    public LocalDate getDate() {
        return timestamp.toLocalDate();
    }

    public Integer getHour() {
        return timestamp.getHour();
    }

}

public class Calculate {

    public static void main(final String[] args) {
        Stream<Delivery> deliveries = Stream.of(
                new Delivery(LocalDateTime.of(2018, 10, 7, 23, 26), 5),
                new Delivery(LocalDateTime.of(2018, 10, 7, 23, 27), 2),
                new Delivery(LocalDateTime.of(2018, 10, 7, 18, 33), 8),
                new Delivery(LocalDateTime.of(2018, 10, 7, 18, 35), 4)
        );

        deliveries.map(delivery -> {
            Map r = new HashMap();
            r.put(delivery.getHour(), delivery.getPackages());
            return r;
        }).collect(Collectors.groupingBy(d -> d.keySet().toArray()[0])).forEach((o, packages) -> {
            System.out.print(o + ":");
            Integer sum = (Integer) packages.stream().map(map -> map.get(o)).reduce(0, (a, b) -> (Integer) a + (Integer) b);
            long count = packages.stream().count();
            System.out.println(sum / count);
        });
    }
}

您将获得:

18:6
23:3

它是按小时排序的,因此您可以扩展此解决方案以满足您的需求。