arr

自定义属性 . 获取属性 . 只能获取到默认的属性 [] []有利于属性传参操作 css(elem,‘background’,‘yellow’); function css(el,attr,color){ el[‘style’][attr]=color; //al.style [attr]=color; } getAttribute和setAttribute //getAttribute获取自定义属性 //setAttribute设置自定义属性 console.log(elem.getAttribute(‘qianfeng’)); elem.setAttribute(‘qianfeng’,‘教育’); console.log(elem.getAttribute(‘qianfeng’)); data- //dataset可以获取和设置自定义属性 console.log(elem.dataset.user); elem.dataset.user='bbb'; 直接打点 //直接对节点设置自定义属性，不会添加到节点内容中，但是可以直接获取 elem.aaa=‘red’; console.log(elem.aaa); 字符串操作 字符串截取操作 str.substring(num1,num2) 第一个参数代表初始位置，第二个是结束位置（不包含结束） 只写一个参数，从num1到最后，包括最后

数据分析：是把隐藏在一些看似杂乱无章的数据背后的信息提炼出来，总结出所研究对象的内在规律 数据分析三剑客：Numpy,Pandas,Matplotlib NumPy(Numerical Python) 是 Python 语言的一个扩展程序库，支持大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库。 创建 # 创建ndarry # 创建一维数组 import numpy as np # np.array([1,2,3]) # 创建二维数组 np.array([[1,2,3],[4,5,6]]) np.array([[1,2,3.3],[4,5,6]]) numpy默认ndarray的所有元素的类型是相同的 如果传进来的列表中包含不同的类型，则统一为同一类型，优先级：str>float>int import matplotlib.pyplot as plt img_arr=plt.imread('./cat.jpg') plt.imshow(img_arr) plt.imshow(img_arr-100) 使用np的routines函数创建 # np.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None) 等差数列 np.linspace(0,100,num=20) # np

简单点说，它们的作用是相对的，我用 JSON.stringify()将对象a变成了字符串c，那么我就可以用 JSON.parse()将字符串c还原成对象a。 let arr = [1,2,3]; JSON.stringify(arr);//'[1,2,3]' typeof JSON.stringify(arr);//string let string = '[1,2,3]'; console.log(JSON.parse(string))//[1,2,3] console.log(typeof JSON.parse(string))//object 二、JSON.stringify()的几种妙用 //判断数组是否包含某对象 let data = [ {name:'echo'}, {name:'听风是风'}, {name:'天子笑'}, ], val = {name:'天子笑'}; JSON.stringify(data).indexOf(JSON.stringify(val)) !== -1;//true //判断两数组/对象是否相等 let a = [1,2,3], b = [1,2,3]; JSON.stringify(a) === JSON.stringify(b);//true JSON.stringify()与toString()的区别 let arr = [1,2,3]

package com.liuyuan.test06; import java.util.Arrays; /* * Object：是所有引用数据类型的根父类 * * 那么根据多态，Object类型的变量，形参，就可以接收任意的引用数据类型的对象，包括数组 * * 和数组有关的常用的方法：java.lang.System类 * public static native void arraycopy(Object src, int srcPos,Object dest, int destPos,int length); * 第一个参数：src 原数组对象 * 第二个参数：srcPos 从原数组的[srcPos]下标开始复制 * 第三个参数：dest 目标数组对象 * 第四个参数：destPos 目标数组从[destPos]开始存储 * 第五个参数：length 表示从原数组复制几个元素 * 说明：如果src和dest是同一个数组的话，那么就会实现数组的元素的移动效果 * * srcPos > destPos ：往左移动 一般用于删除 * srcPos < destPos ：往右移动 一般用于插入 */ public class TestSystemArrayCopy { public static void main(String[] args) { String[] arr = {

NumPy 是 Python 数值计算非常重要的一个包。很多科学计算包都是以 NumPy 的数组对象为基础开发的。 本文用代码快速过了一遍 NumPy 的基本操作，对 NumPy 整体有一个把握。希望能对读者有帮助。 NumPy ndarray：多维数组对象 ndarray 是 NumPy 很重要的特性，它是快速而灵活的数据集容器。ndarray 可以在整个数据集上进行类似于标量的运算，既快速又方便。 在 Jupyter Notebook 上，首先引入 NumPy 包： 1 import numpy as np 创建 ndarray，其中包含随机值（ np.random.randn ）： 1 np.random.seed(666) # 设置随机种子 2 data = np.random.randn(2, 3) 3 data array([[ 0.82418808, 0.479966 , 1.17346801], [ 0.90904807, -0.57172145, -0.10949727]]) 进行一些运算（乘法和加法）： 1 data * 10 2 data + data array([[ 8.24188083, 4.79966003, 11.73468012], [ 9.09048069, -5.71721452, -1.09497268]]) array([[ 1

封装一个非空校验函数 前言 一、判断是否为空 二、定义 Generator 函数 三、执行分段函数 四、处理执行分段函数的结果 五、使用函数 六、总结 前言 不管是前端还是后端，非空校验在 Web 应用中都很常见。前端应用中，特别是调取接口数据传参时，非空校验几乎必不可少。大部分的人实现思路都是判断是否为空，空则 return 。只有一两个参数判断还好说，但是如果有很多参数需要判断，就要写很多重复的代码。本着做一个 “ 不多写一行重复代码 ” 的码农，封装出一个非空校验函数是必需的，今天就把这个方法分享给大家。如果不想看推导过程可以直接看五，直接使用。 一、判断是否为空 最普通的非空校验 //1. 写一个通用是否为空的函数 function isDefine ( str ) { if ( str == null || str == '' || str == undefined || str == NaN ) { return false } ; return true ; } //2. 如果为空则提示并返回 function prompt ( ) { if ( ! isDefine ( value ) ) { Toast . info ( msg , 1 ) ; //Toast 是 antd mobile 提供的一个提示函数，测试的话可以用alert。 return false }

格式： 数据类型 [] [] 变量名 = new 数据类型 [m][n] 数据类型 [] 变量名 [] = new 数据类型 [m][n] m： 这个二维数组有多少个一维数组 n ： 每个一维数组有多少个元素 动态： 数据类型 [][] 变量名 = new 数据类型 [m][] 这次没给出一维数组有多少个元素，可以动态给出 例如： int [][] arr = new int [3][]； arr [0] = new int [2]； arr [1] = new int [6]； arr [2] = new int [4]； 格式三： 数据类型 [][]数据名 =new 数据类型 [][] {{第一个一维数组中的元素}，{第二个一维数组的元素}，......} 简化版 数据类型 [][]数据名 = {{第一个一维数组中的元素}，{第二个一维数组的元素}，......} 例如： int [][] arr = {{1，2，3}，{4，6}}； 来源： https://www.cnblogs.com/Evictorman/p/11335522.html

给定字符串J 代表石头中宝石的类型，和字符串 S代表你拥有的石头。 S 中每个字符代表了一种你拥有的石头的类型，你想知道你拥有的石头中有多少是宝石。 J 中的字母不重复，J 和 S中的所有字符都是字母。字母区分大小写，因此"a"和"A"是不同类型的石头。 示例 1: 输入: J = "aA", S = "aAAbbbb" 输出: 3 示例 2: 输入: J = "z", S = "ZZ" 输出: 0 注意: S 和 J 最多含有50个字母。 J 中的字符不重复。 来源：力扣（LeetCode） 链接：https://leetcode-cn.com/problems/jewels-and-stones 著作权归领扣网络所有。 优化一下，不过发现提交代码没什么时间区别！： 1 public int numJewelsInStones(String J, String S) { 2 if (S == null || S.isEmpty()) return 0; 3 if (J == null || J.isEmpty()) return 0; 4 5 6 //考虑更高的空间性能，使用byte数组。ASCII码中字母的跨度为65~122，所以定义数组长度为58最节省。 7 //BitSet arr=new BitSet(); //BetSet默认创建长度为64的（扩容每次扩容64）数组

Spark_飞机项目 首先将csv文件变成UTF-8 scala> val flights=sc.textFile("/data/USA_Flight") scala> flights.take(3) val df = spark.read.format("csv").option("header",true).load("/data/USA_Flight") 重新定义英文名 scala> val df1=df.withColumn("origin_id",col("起飞机场编号")) 起始机场编号的总数 scala> df1.groupBy("origin_id").agg(count("*")).show(1) 起始机场编号10个的总数（别名cnt） scala> df1.groupBy("origin_id").agg(count("*")).as("cnt").show(10) 起始机场编号排名 scala> df1.groupBy("origin_id").agg(count("*").as("cnt")).sort(desc("cnt")).show(10) rdd 起始机场编号排名 scala> val df1=df.withColumn("origin_id",col("起飞机场编号")) scala> val rdd=df1.select("origin_id")