在数据分析中，众数（Mode）指的是一组数据中出现频率最高的那个值。和平均值、中位数相比，众数在处理类别型数据时特别有用，比如统计用户最常购买的商品、日志中出现次数最多的错误码、投票选举中的最高得票项等。Java标准库没有提供现成的求众数API，但这不代表实现起来很复杂——合理组合HashMap做频率统计，再用Collections.max配合比较器筛选，几行代码就能完成任务。本文将详细拆解这套方案的实现原理，并讨论边界情况和替代写法。
思路拆解：频率统计加Collections.max的两步走方案
求众数的核心逻辑可以拆成两个阶段。第一阶段是频率统计：遍历List中的每个元素，以元素本身作为key、出现次数作为value存入HashMap。遇到已存在的key就让计数加一，否则初始化为一。这一步的时间复杂度是O(n)，因为HashMap的get和put操作平均都是常数时间。
第二阶段是筛选最大值。此时HashMap的entrySet中保存着所有元素及其出现次数，我们要找的是value最大的那个entry。很多初学者会手写一个for循环，维护一个最大值变量逐项比较，这当然可行，但Java提供了更优雅的工具——Collections.max。这个方法的第二个参数接收一个Comparator，我们可以用它来比较entry的value大小，直接返回出现次数最多的entry。
下面是完整的可运行示例：
import java.util.*;
public class ModeFinder {
public static Integer findMode(List<Integer> list) {
if (list == null || list.isEmpty()) {
throw new IllegalArgumentException("List不能为空");
}
// 第一步：频率统计
Map<Integer, Integer> frequencyMap = new HashMap<>();
for (Integer item : list) {
frequencyMap.merge(item, 1, Integer::sum);
}
// 第二步：用Collections.max找出value最大的entry
Map.Entry<Integer, Integer> modeEntry = Collections.max(
frequencyMap.entrySet(),
Map.Entry.comparingByValue()
);
return modeEntry.getKey();
}
public static void main(String[] args) {
List<Integer> data = Arrays.asList(3, 7, 3, 2, 7, 3, 9, 7, 3);
System.out.println("众数是: " + findMode(data));
// 输出: 众数是: 3
}
}代码中有几个细节值得注意。Map.Entry.comparingByValue()是Java 8引入的静态工厂方法，返回一个按entry的value升序比较的比较器，省去了手写lambda的麻烦。如果你习惯显式写法，等价的形式是(e1, e2) -> e1.getValue() - e2.getValue()，但不推荐用减法比较Integer，因为当两个value的差值足够大时减法可能溢出，虽然计数场景下几乎不会触发，用Integer.compare更稳妥。
另外，frequencyMap.merge(item, 1, Integer::sum)是Java 8提供的简洁写法：如果key不存在就放入1，存在就应用Integer::sum把旧值加一。等价的传统写法是先containsKey判断再put，但merge让代码更紧凑且只做一次哈希查找。
Collections.max的比较器原理与并列众数的处理
Collections.max的内部实现其实很简单：它遍历集合，用比较器判断当前元素是否比已记录的最大值“更大”，更大就替换。当比较器返回0时（即两者相等），它保留先遇到的那个。这就引出了一个关键问题——如果List中存在多个出现次数相同的元素怎么办？
比如数据[1, 1, 2, 2, 3]中，1和2各出现两次，严格来说它们都是众数。上面的实现只会返回其中一个（具体是哪个取决于HashMap的遍历顺序，具有不确定性）。如果你的业务场景需要返回所有并列的众数，就需要先求出最大频率，再筛选出所有等于该频率的元素：
import java.util.*;
import java.util.stream.Collectors;
public class MultiModeFinder {
public static List<Integer> findAllModes(List<Integer> list) {
Map<Integer, Long> frequencyMap = list.stream()
.collect(Collectors.groupingBy(x -> x, Collectors.counting()));
long maxFreq = Collections.max(frequencyMap.values());
return frequencyMap.entrySet().stream()
.filter(e -> e.getValue() == maxFreq)
.map(Map.Entry::getKey)
.collect(Collectors.toList());
}
public static void main(String[] args) {
List<Integer> data = Arrays.asList(1, 1, 2, 2, 3);
System.out.println("所有众数: " + findAllModes(data));
// 输出: 所有众数: [1, 2]
}
}这个版本还展示了另一种频率统计方式：Collectors.groupingBy配合Collectors.counting()，一行代码完成分组计数，可读性很好。注意counting()返回的是Long类型，所以maxFreq声明为long。
还有一个容易踩的坑：当传入的List中每个元素都只出现一次时，按数学定义所有元素都是众数，但实际业务中这种情况通常意味着“没有众数”。你可以根据自己的需求决定是返回全部元素、返回null还是抛出异常，建议在代码里加一个maxFreq == 1的判断并明确处理策略，避免下游逻辑出现歧义。
性能分析与替代方案对比
从复杂度角度看，HashMap加Collections.max的方案整体是O(n)时间、O(k)空间，其中k是不同元素的个数。这在绝大多数场景下已经足够快。相比之下，如果数据范围有限且已知（比如都是0到255之间的整数），还可以用普通数组做计数排序式的统计，访问比HashMap更快，但这种方案的通用性远不如HashMap。
另一种思路是完全排序后线性扫描找最长连续段，时间复杂度是O(n log n)，性能稍差但不需要额外空间，适合内存受限且数据已经接近有序的场景。如果List本身是已排序的，一次线性扫描就能找出所有众数，这反而是最快的方案。选择哪种实现，取决于数据的规模、是否有序、是否需要处理并列众数。
对于对象类型的List，这套方案同样适用，只要元素正确重写了hashCode和equals方法。比如统计一组字符串中最常出现的水果名，或者统计一组自定义User对象中出现最多的年龄值，只需把泛型参数替换掉即可。需要特别提醒的是，如果作为key的对象没有重写这两个方法，HashMap会按引用地址比较，相同的逻辑内容会被当成不同的key，统计结果就会出错——这是使用HashMap做统计时最常见的隐患。
总结一下：HashMap负责数数，Collections.max负责挑最大，两者组合是Java中求众数最直观也最实用的方式。遇到并列情况就先取最大频率再过滤，需要更简洁的写法就上Stream API。理解了比较器在Collections.max中的作用，你还能把同样的技巧迁移到“找最长的字符串”“找value最大的配置项”等一系列问题上，一举多得。
Java众数Collections.max频率统计修改时间：2026-09-13 16:58:50