如何用Java 8 Streams计算两个列表元素的最小绝对差

嘿，很高兴你开始上手Java 8的Streams啦！这个求两个列表元素间最小绝对差的需求，用Streams其实可以很优雅地实现，核心就是要遍历所有元素对并计算差值，我给你详细讲讲怎么做：

核心思路 #

我们需要把两个列表的所有元素组合成对，计算每一对的绝对差，然后从这些差值里找出最小的那个。用Streams的话，flatMapToInt是实现“遍历所有元素对”的关键，它能把第一个列表的每个元素和第二个列表的所有元素做关联，展开成一个包含所有差值的流。

完整代码实现 #

import java.util.Arrays;
import java.util.List;
import java.util.OptionalInt;

public class MinAbsDifferenceExample {
    public static void main(String[] args) {
        List<Integer> list1 = Arrays.asList(5, 11, 17, 123);
        List<Integer> list2 = Arrays.asList(124, 14, 80);

        // 生成所有元素对的绝对差，然后找最小值
        OptionalInt minAbsoluteDifference = list1.stream()
                // 对list1的每个元素，映射到list2所有元素与它的绝对差的IntStream
                .flatMapToInt(num1 -> list2.stream()
                        .mapToInt(num2 -> Math.abs(num1 - num2)))
                // 找出流中的最小值
                .min();

        // 因为我们确定两个列表都非空，所以直接获取结果
        System.out.println("最小绝对差：" + minAbsoluteDifference.getAsInt()); // 输出1
    }
}

代码解释 #

1. flatMapToInt的作用：list1.stream()生成第一个列表的元素流，对每个num1，我们用list2.stream()生成第二个列表的元素流，然后把每个num2转换成num1和num2的绝对差，最后通过flatMapToInt把这些小的IntStream合并成一个大的IntStream，这样所有差值都在同一个流里了。
2. min()方法：IntStream的min()方法会返回一个OptionalInt，这是为了处理流为空的情况（比如其中一个列表是空的）。如果你的业务场景中两个列表不可能为空，直接用getAsInt()获取值就好；如果可能为空，可以用orElse()设置默认值，比如minAbsoluteDifference.orElse(Integer.MAX_VALUE)，或者用ifPresent()来安全处理结果。

额外优化（针对大数据量场景） #

如果你的列表元素非常多，上面O(n*m)时间复杂度的方法可能不够高效。这时候可以先把两个列表排序，然后用双指针法来找最小差值——不过这种方法更偏向于传统循环，但也可以结合Streams的排序操作：

// 先排序两个列表
List<Integer> sortedList1 = list1.stream().sorted().toList();
List<Integer> sortedList2 = list2.stream().sorted().toList();

// 然后用双指针法遍历（这里用循环实现，因为双指针不太适合纯Streams）
int i = 0, j = 0;
int minDiff = Integer.MAX_VALUE;
while (i < sortedList1.size() && j < sortedList2.size()) {
    int diff = Math.abs(sortedList1.get(i) - sortedList2.get(j));
    minDiff = Math.min(minDiff, diff);
    // 移动较小元素的指针
    if (sortedList1.get(i) < sortedList2.get(j)) {
        i++;
    } else {
        j++;
    }
}
System.out.println("最小绝对差：" + minDiff); // 同样输出1

这种方法的时间复杂度是O(n log n + m log m)，比遍历所有元素对高效得多，适合大数据量的场景。

内容的提问来源于stack exchange，提问作者nikabu