《Advanced R》学习笔记 | Chapter3 Vectors

news2025/1/15 17:31:27

专注系列化、高质量的R语言教程

推文索引 | 联系小编 | 付费合集

本篇推文是学堂君学习第3章“Vectors”的笔记，原文链接是https://adv-r.hadley.nz/vectors-chap.html，可在文末“阅读原文”处直达。

通过本章的学习，我们可以更清晰地理解R语言中各种数据结构之间的关系。

  • 3.1 Introduction

  • 3.2 Atomic vectors

    • 3.2.1 Scalars

    • 3.2.2 Making longer vectors with c()

    • 3.2.3 Missing values

    • 3.2.4 Testing and coercion

  • 3.3 Attributes

    • 3.3.1 Getting and setting

    • 3.3.2 Names

    • 3.3.3 Dimensions

  • 3.4 S3 atomic vectors

    • 3.4.1 Factors

    • 3.4.2 Dates

    • 3.4.3 Date-times

    • 3.4.4 Durations

  • 3.5 Lists

    • 3.5.1 Creating

    • 3.5.3 Matrices and arrays

  • 3.6 Data frames and tibbles

    • 3.6.1 Creating

    • 3.6.2 Row names

    • 3.6.4 Subsetting

    • 3.6.6 List columns

    • 3.6.7 Matrix and data frame columns

  • 3.7 NULL

3.1 Introduction

测试：如果读者能准确回答如下几个问题，就可以跳过本章的学习。

  • What are the four common types of atomic vectors? What are the two rare types?

  • What are attributes? How do you get them and set them?

  • How is a list different from an atomic vector? How is a matrix different from a data frame?

  • Can you have a list that is a matrix? Can a data frame have a column that is a matrix?

  • How do tibbles behave differently from data frames?

（答案见原文本章节末尾处。）

3.2 Atomic vectors

常见的4个原子向量类型是：逻辑类型、整型、双精度类型和文本类型（元素为字符串），整型和双精度合称数值型。

两种不常见的类型是复数型和原始型；复数在统计学中很少使用，原始型仅在处理二进制数据时使用，本章不会进一步讨论这两种类型。

9dca81b97ef79619dc8dc1c49e340521.png

  • 学堂相关推文：R语言的原子类型和数据结构

3.2.1 Scalars

标度（scalar）可以用来指示元素的类型：

  • 逻辑值只有两个：TRUE和FALSE，分别简写为T和F；

  • 双精度值的形式可以小数点（0.1234）、科学计数法（1.23e4）或十六进制（0xcafe）；此外还有三个特殊值：Inf、-Inf、NaN；

  • 整型的值是整数，也可以是科学计数法和十六进制，为了区别双精度值，数字后面要加上字母L（1234L、1e4L、0xcafeL）；整型中不能包含分式；

  • 文本的标志是其两侧的双引号"或单引号'。

3.2.2 Making longer vectors with c()

c()函数的名称是combine的缩写，通过合并单值或向量来创建更长的向量；多个原子向量使用c()函数合并后还是原子向量。

c(c(1, 2), c(3, 4))
## [1] 1 2 3 4

typeof()函数用来查看向量类型，length()函数用来查看向量长度。

3.2.3 Missing values

NA（“not applicable”的缩写）表示缺失值或未知值。通常情况下，NA参与大小比较或计算，得到的结果也是NA：

NA > 5
## [1] NA
10 * NA
## [1] NA
!NA
## [1] NA

也有例外：

NA ^ 0
## [1] 1
NA | TRUE
## [1] TRUE
NA & FALSE
## [1] FALSE

无法通过x == NA的形式判断变量的元素是否为NA：

x <- c(NA, 5, NA, 10)
x == NA
## [1] NA NA NA NA

正确方法是使用is.na()函数：

is.na(x)
## [1]  TRUE FALSE  TRUE FALSE

在技术层面缺失值存在4种类型的：NA（逻辑型）、NA_integer_（整型）、NA_real_ （双精度型）、NA_character_（文本型）。R语言根据情况自动使用相应的类型。

3.2.4 Testing and coercion

is.*()系列的函数可以用来判断变量是否是给定类型的向量：is.logical()、is.integer()、is.double()和is.character()等函数可以分别来判断逻辑型、整型、双精度型和文本类型的向量。

但是，is.vector()、is.atomic()、is.numeric()等函数不能简单地认为是用来判断向量、原子向量和数值向量的，具体见相应函数文档。

原子向量的元素必须为同一类型。当合并不同类型的元素时，按文本——双精度——整型——逻辑的优先级顺序转换到同一类型。

类型转换有时会自动进行，例如大部分数学运算会将对象转为数值型。

用户可通过as.*()系列函数主动转换原子向量的类型。

3.3 Attributes

因子向量、时间和日期向量、矩阵和数组是在原子向量的基础上，添加属性而形成的更复杂的向量。

3.3.1 Getting and setting

attr()函数可以设置、查看和修改对象的单个属性：

x <- c(1:3) 
attr(x, "attr1") <- "属性1"  
attr(x, "attr2") <- "属性2"  

attr(x, "attr1")
attr(x, "attr2")

attributes()函数可以一次性查看对象的所有属性：

attributes(x)

structure()函数可以同时设置对象的多个属性：

x <- structure(
  c(1:3),
  attr1 = "属性1",
  attr2 = "属性2"
)

attributes(x)

3.3.2 Names

names属性是由对象元素的名称组成的文本向量。设置该属性有3种方式：

# When creating it: 
x <- c(a = 1, b = 2, c = 3)

# By assigning a character vector to names()
x <- 1:3
names(x) <- c("a", "b", "c")

# Inline, with setNames():
x <- setNames(1:3, c("a", "b", "c"))

移除names属性有两种方式：

x <- unname(x)
names(x) <- NULL

3.3.3 Dimensions

虽然向量是一维结构的，但是由于它默认情况下没有dim属性，因此该属性为NULL。给向量添加dim属性后可以得到2维矩阵或多维数组。

通常情况下，我们一般使用使用matrix()和array()函数分别创建矩阵和数组：

x <- matrix(1:6, nrow = 2, ncol = 3)

y <- array(1:12, c(2, 3, 2))

也可以通过给原子向量添加dim属性来创建：

p <- 1:6
dim(p) <- c(3, 2)

q <- 1:12
dim(q) <- c(2, 3, 2)

3.4 S3 atomic vectors

class属性是向量最重要的属性之一，具有class属性的对象都是S3对象。以下4种S3向量都是在原子向量的基础上构建的：

  • 因子向量（factor vector），记录分类数据；

  • 日期向量（Date vector），记录日期数据（精确到天）；

  • POSIXct向量，记录日期-时间（date-time）数据（精确到秒或亚秒）；

  • difftime向量，记录时长（durations）数据。

189e7dd824f97e905ed1e4a82fbb3aa2.png

3.4.1 Factors

因子向量是在整型原子向量的基础上构建的，它有两个属性：

  • class属性是factor，这是区别于一般整型原子向量的特征；

  • levels属性，定义分类数据所有可能出现的类别。

x <- factor(c("a", "b", "b", "a"))
x
## [1] a b b a
## Levels: a b

typeof(x)
## [1] "integer"

attributes(x)
## $levels
## [1] "a" "b"
## 
## $class
## [1] "factor"

当数据所有可能出现的值是已知的时，比较适合用因子向量来储存，且允许类别在数据中不全部出现。因子向量和文本向量的元素都可以使用table()函数分类计数：前者会把未出现的类别也列举处理，后者仅列举出现的字符串：

sex_char <- c("m", "m", "m")
sex_factor <- factor(sex_char, levels = c("m", "f"))

table(sex_char)
## sex_char
## m 
## 3
table(sex_factor)
## sex_factor
## m f 
## 3 0

有序（ordered）因子向量又是特殊的因子向量，它的levels属性的元素顺序是有含义的。

基础包的一些函数，如read.csv()函数在加载数据时可能会默认将文本数据作为因子向量，设置参数stringsAsFactors = FALSE可以避免。

尽管因子向量与文本向量从外观上很相似，但它实际是整型向。一些文本分析的函数也可以用在因子向量上，如gsub()、grepl()函数会自动将其转为文本向量；而nchar()函数会报错。

3.4.2 Dates

日期向量是在双精度原子向量的基础上构建的。它有且仅有一个属性：class属性，值为Date。

today <- Sys.Date()

typeof(today)
## [1] "double"
attributes(today)
## $class
## [1] "Date"

日期向量元素对应的双精度值是该日期与1970年1月1日的间隔天数：

date <- as.Date("1970-01-02")
unclass(date)
## [1] 1

3.4.3 Date-times

base R储存时间数据有两种方式：POSIXct和POSIXlt。POSIX是“Portable Operating System Interface”（可移植操作系统接口）的缩写。“ct”表示日历时间（calendar time），“lt”表示地方时（local time）。

POSIXct向量是在双精度型向量的基础上构建的，对应的双精度值是该时间与1970年1月1日0时0分0秒的间隔秒数。

now_ct <- as.POSIXct("1970-01-01 01:00", tz = "Etc/GMT-8")
now_ct
## [1] "1970-01-01 01:00:00 +08"

unclass(now_ct)
## [1] -25200

tzone属性：

structure(now_ct, tzone = "Asia/Tokyo")
## [1] "2018-08-02 07:00:00 JST"
structure(now_ct, tzone = "America/New_York")
## [1] "2018-08-01 18:00:00 EDT"
structure(now_ct, tzone = "Australia/Lord_Howe")
## [1] "2018-08-02 08:30:00 +1030"
structure(now_ct, tzone = "Europe/Paris")
## [1] "2018-08-02 CEST"

3.4.4 Durations

时长数据也是在双精度型向量的基础上构建的，具有属性units：

one_week_1 <- as.difftime(1, units = "weeks")
one_week_1
## Time difference of 1 weeks

typeof(one_week_1)
## [1] "double"
attributes(one_week_1)
## $class
## [1] "difftime"
## 
## $units
## [1] "weeks"

one_week_2 <- as.difftime(7, units = "days")
one_week_2
## Time difference of 7 days

typeof(one_week_2)
## [1] "double"
attributes(one_week_2)
## $class
## [1] "difftime"
## 
## $units
## [1] "days"

3.5 Lists

列表是比原子向量更复杂的向量：它的每个元素可以是任意类型的。但从技术上将，列表元素实际上还是同一类型——“索引”。如2.3.3节介绍，列表元素只是其他对象的索引，而被引用的对象可以是任意类型的。

3.5.1 Creating

列表元素实际上只是索引，它不涉及将对象复制到列表的过程，因此很多情况下，它会比预想的要小：

lobstr::obj_size(mtcars)
## 7,208 B

l2 <- list(mtcars, mtcars, mtcars, mtcars)
lobstr::obj_size(l2)
## 7,288 B

列表元素本身还可以是列表，因此列表也被称为递归向量（recursive vector）：

l3 <- list(list(list(1)))
str(l3)
## List of 1
##  $ :List of 1
##   ..$ :List of 1
##   .. ..$ : num 1

使用c()和list()函数合并原子向量和列表的结果是不一样的：

l4 <- list(list(1, 2), c(3, 4))
l5 <- c(list(1, 2), c(3, 4))

str(l4)
## List of 2
##  $ :List of 2
##   ..$ : num 1
##   ..$ : num 2
##  $ : num [1:2] 3 4

str(l5)
## List of 4
##  $ : num 1
##  $ : num 2
##  $ : num 3
##  $ : num 4

3.5.3 Matrices and arrays

普通的列表没有dim属性。给列表定义dim属性后，可以得到list-matrices或list-arrays：

l <- list(1:3, "a", TRUE, 1.0)
dim(l) <- c(2, 2)

l
##      [,1]      [,2]
## [1,] integer,3 TRUE
## [2,] "a"       1

l[[1, 1]]
## [1] 1 2 3

作者特别提到这种数据结构对时空类型的数据分析特别有用。

3.6 Data frames and tibbles

数据框和tibble是在列表的基础上构建的更复杂的异质向量。

20cec1990541064c3d9d068c2cecc7d2.png

数据框是由向量组成的列表，并且每个向量的长度是一样的。这种矩形结构，使得它兼具列表和矩阵的特点。

tibble本身也是数据框，来自tibble工具包（本书作者是开发者之一），但在一些细节上的处理与普通数据框不同，下文会有所介绍。

3.6.1 Creating

data.frame()和tibble()函数可以分别定义数据框和tibble。下面列举两者的不同点。

如果变量名称为非法名称，数据框会自动转换为合法名称，tibble允许以反引号的形式：

names(data.frame(`1` = 1))
## [1] "X1"

library(tibble)
names(tibble(`1` = 1))
## [1] "1"

如果变量长度不一致，二者会在某种情况下循环利用较短变量的元素使之与较长向量等长：数据框要求较长向量的长度必须是较短向量的整数倍，否则报错；tibble要求较短向量的长度为1，否则报错：

data.frame(x = 1:4, y = 1:2)
##   x y
## 1 1 1
## 2 2 2
## 3 3 1
## 4 4 2
data.frame(x = 1:4, y = 1:3)
## Error in data.frame(x = 1:4, y = 1:3) : 参数值意味着不同的行数: 4, 3

tibble(x = 1:4, y = 1)
## # A tibble: 4 x 2
##       x     y
##   <int> <dbl>
## 1     1     1
## 2     2     1
## 3     3     1
## 4     4     1
tibble(x = 1:4, y = 1:2)
## Error: Tibble columns must have compatible sizes.
## * Size 4: Existing data.
## * Size 2: Column `y`.
## ℹ Only values of size one are recycled.

tibble的变量在创建时就可以引用，数据框无此功能：

tibble(
  x = 1:3,
  y = x * 2
)

3.6.2 Row names

数据框可以设置行名，tibble不可以设置行名。当需要将前者转换为后者时，可以将行名作为变量：

as_tibble(df, rownames = "name")

3.6.4 Subsetting

作者认为数据框的取子集操作时有两个麻烦的地方：

  • 使用df[, vars]提取的变量形式不是数据框，而是向量；df[, vars, drop = F]得到的变量形式才是数据框；

  • 使用df$x的形式提取变量时，如果数据框中没有名称是x的变量，它会提取名称以x开头的列，如果还没有会返回NULL，这会让用户意识不到提取结果可能是错的或不存在的。

tibble对此做了改进：使用[可以直接提取到tibble形式的变量；只有当变量名称完全匹配时才能进行提取，否则报错。

3.6.6 List columns

数据框可以使用列表作为列，这样数据框一列内的元素也可以是不同类型的了。

类型为列表的列（下文简称“列表列”）在定义时需要使用I()函数：

data.frame(
  x = 1:3, 
  y = I(list(1:2, 1:3, 1:4))
)
##   x          y
## 1 1       1, 2
## 2 2    1, 2, 3
## 3 3 1, 2, 3, 4

或者是在数据框创建后，再添加列表列：

df <- data.frame(x = 1:3)
df$y <- list(1:2, 1:3, 1:4)
df
##   x          y
## 1 1       1, 2
## 2 2    1, 2, 3
## 3 3 1, 2, 3, 4

tibble可以像创建普通列一样创建列表列：

tibble(
  x = 1:3, 
  y = list(1:2, 1:3, 1:4)
)
## # A tibble: 3 × 2
##       x y        
##   <int> <list>   
## 1     1 <int [2]>
## 2     2 <int [3]>
## 3     3 <int [4]>

3.6.7 Matrix and data frame columns

数据框也可以使用矩阵和数据框作为列，定义方式和上文类似：

dfm <- data.frame(
  x = 1:3 * 10,
  y = I(matrix(1:9, nrow = 3))
)
dfm$z <- data.frame(a = 3:1, b = letters[1:3])

str(dfm)
## 'data.frame':    3 obs. of  3 variables:
##  $ x: num  10 20 30
##  $ y: 'AsIs' int [1:3, 1:3] 1 2 3 4 5 6 7 8 9
##  $ z:'data.frame':   3 obs. of  2 variables:
##   ..$ a: int  3 2 1
##   ..$ b: chr  "a" "b" "c"

3.7 NULL

NULL的长度恒为0，且没有任何属性。它主要有两个用途：

  • 表示任意类型的空向量；

  • 在定义函数时，作为非必须参数的默认值。

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.coloradmin.cn/o/423366.html

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈，一经查实，立即删除！

相关文章

IDPChat：探索基于LLaMA和Stable Diffusion的「开源」中文多模态AI大模型

IDPChat：探索基于LLaMA和Stable Diffusion的「开源」中文多模态AI大模型

中文多模态模型 IDPChat 和大家见面了。 随着GPT4、文心一言等的发布&#xff0c;预训练大模型正式开启由单模态向多模态模型演进。多模态的特性为语言模型带来更加丰富的应用场景。 我们认为&#xff0c;未来的AI应用将主要以大模型为核心基石。 而在大模型的领域&#xff0c;…
阅读更多...
PFTL101A 2.0KN 3BSE004172R1控制卷取物体时保持物体相互拉长或者绷紧的力

PFTL101A 2.0KN 3BSE004172R1控制卷取物体时保持物体相互拉长或者绷紧的力

PFTL101A 2.0KN 3BSE004172R1控制卷取物体时保持物体相互拉长或者绷紧的力 ​ 基于单片机的放卷机张力控制系统设计 张力控制&#xff0c;通俗地讲&#xff0c;就是要控制卷取物体时保持物体相互拉长或者绷紧的力。张力应用于最广泛的造纸、纤维、塑料薄膜、电线、印刷品、磁带…
阅读更多...
基于SpringBoot的健身房管理系统

基于SpringBoot的健身房管理系统

有需要请私信或看评论链接哦 可远程调试 基于SpringBoot健身房管理系统一 介绍 此健身房管理系统基于SpringBoot开发&#xff0c;数据库mysql&#xff0c;前端startbootstrap。系统角色分为用户和管理员。用户登录后可查看个人信息&#xff0c;课程报名和课程查询&#xff0c;…
阅读更多...
react-5 高阶组件 (HOC)（防抖节流） --- 高阶函数(HOF)（拖拽）

react-5 高阶组件 (HOC)（防抖节流） --- 高阶函数(HOF)（拖拽）

高阶函数&#xff1a;指一类函数,防抖&#xff0c;节流 防抖&#xff1a; 短时间内频繁触发同一事件时&#xff0c;只有最后一次生效. 例如电梯关门的效果 节流&#xff1a; 短时间内频繁触发同一个事件时&#xff0c;在单位时间内&#xff0c;只生效一次。例如lol英雄的大招…
阅读更多...
【SpringBoot】面试组合技-天羽屠龙舞，SpringBootApplication注解的作用是什么？SpringBoot怎么实现自动装配的？

【SpringBoot】面试组合技-天羽屠龙舞，SpringBootApplication注解的作用是什么？SpringBoot怎么实现自动装配的？

SpringBoot源码下载地址&#xff1a;https://github.com/spring-projects/spring-boot/tags 文章目录&#x1f35f;下载源码&#x1f357;环境准备&#x1f356;注解解析&#x1f35d;SpringBootConfiguration注解&#x1f35b;EnableAutoConfiguration注解&#x1f364;AutoC…
阅读更多...
Kettle7.0同步数据(简单操作步骤hive-hive)

Kettle7.0同步数据(简单操作步骤hive-hive)

一、Kettle说明介绍和原理说明 Kettle是一款免费的ETL工具。 ETL分别是“Extract”、“ Transform” 、“Load”三个单词的首字母缩写&#xff0c;也就是代表ETL过程的三个最主要步骤&#xff1a;“抽取”、“转换”、“装载”&#xff0c;但我们平时往往简称其为数据抽取。 ET…
阅读更多...
opencv：了解Shi-Tomasi角点检测器及其使用

opencv：了解Shi-Tomasi角点检测器及其使用

目标 在本章中，我们将学习另一种角点检测器：Shi-Tomasi角点检测器，并且探索函数cv.goodFeaturesToTrack()的使用方法。 理论 在上一章中，我们学习了Harris角点检测器。后来，在1994年，石屹和托马斯对其进行了一些小的修改，提出了《Good Features to Track》这篇论文，相…
阅读更多...
矩阵转置（函数）（C语言实现）

矩阵转置（函数）（C语言实现）

【题目描述】 写一个函数&#xff0c;将一个n*n&#xff08;n<10&#xff09;的二维数组进行转置&#xff0c;即行列交换。要求在主函数中完成输入和输出。 【输入说明】 输入第一行只包括1个数字&#xff0c;表示n&#xff0c;接下来有n行&#xff0c;每行有n个整数。 …
阅读更多...
[Java]Session机制

[Java]Session机制

什么是Session Session是另一种记录客户状态的机制&#xff0c;不同的是Cookie保存在客户端浏览器中&#xff0c;而Session保存在服务器上。客户端浏览器访问服务器的时候&#xff0c;服务器把客户端信息以某种形式记录在服务器上。这就是Session。客户端浏览器再次访问时只需…
阅读更多...
基于springboot和ajax的简单项目 04.html文件的js用来分页功能，有专门的分页页面html文件（下）

基于springboot和ajax的简单项目 04.html文件的js用来分页功能，有专门的分页页面html文件（下）

01&#xff0c;因为分页的功能是很多场景都需要使用的&#xff0c;所以可以单独提出来&#xff0c;到时候加载到相关html的div中就好了。 最开始初始化分页html文件&#xff08;page.html&#xff09;的全部代码&#xff1a;&#xff08;直接使用的是ul&#xff0c;li&#xff…
阅读更多...
LeetCode算法小抄--快速排序详解及应用

LeetCode算法小抄--快速排序详解及应用

LeetCode算法小抄--快速排序详解及应用快速排序详解及应用代码实现快速选择算法&#xff08;Quick Select&#xff09;-- 变体[215. 数组中的第K个最大元素](https://leetcode.cn/problems/kth-largest-element-in-an-array/)[剑指 Offer II 076. 数组中的第 k 大的数字](https…
阅读更多...
LCMXO2-2000HC-4FTG256I FPGA lattice 深力科MachXO2系列超低功耗非易失PLD器件特性及原理图

LCMXO2-2000HC-4FTG256I FPGA lattice 深力科MachXO2系列超低功耗非易失PLD器件特性及原理图

LCMXO2-2000HC-4FTG256I FPGA lattice 深力科MachXO2系列超低功耗非易失PLD器件特性及原理图 lattice莱迪斯深力科电子 MachXO2系列 LCMXO2-2000HC-4FTG256I 超低密度FPGA现场可编程门阵列&#xff0c;适用于低成本的复杂系统控制和视频接口设计开发&#xff0c;满足了通信、计…
阅读更多...
std::condition_variable::wait_for 的几个细节

std::condition_variable::wait_for 的几个细节

std::condition_variable::wait_for 的两种重载用法https://blog.csdn.net/smalbig/article/details/130152253 &#xff08;以下简称上篇&#xff09;直观上介绍了 std::condition_variable::wait_for 的使用效果&#xff0c;这篇对没解释清楚的注释、执行结果进行解释。 1.…
阅读更多...
大话 HTTP 协议前世今生

大话 HTTP 协议前世今生

HTTP 全称 Hypertext Transfer Protocol&#xff0c;中文是超文本传输协议。网上讲 HTTP 协议的资料可以说是五花八门&#xff0c;但大多数都在罗列 HTTP 协议具体的规定&#xff0c;很少有讲 HTTP 协议这样设计的原因。今天我就尝试从解决问题的角度分析 HTTP 协议主要特性&am…
阅读更多...
Android init学习笔记

Android init学习笔记

init大体介绍 init是Android启动的第一个用户空间进程&#xff0c;它fork产生一些关键进程&#xff0c;如zygote、surfaceflinger进程。 init进程有很多功能&#xff1a;加载内核模块、挂载系统分区、加载sepolicy、支持属性服务、启动rc脚本、执行事件触发器和属性改变等等 …
阅读更多...
C++之深入解析STL deque容器的底层实现原理

C++之深入解析STL deque容器的底层实现原理

一、deque 容器的存储结构 事实上&#xff0c;STL 中每个容器的特性&#xff0c;和它底层的实现机制密切相关&#xff0c;deque 自然也不例外&#xff0c;deque 容器擅长在序列的头部和尾部添加或删除元素。想搞清楚 deque 容器的实现机制&#xff0c;需要先了解 deque 容器的…
阅读更多...
【Python】实战：生成有关联单选问卷 csv《营养不良风险评估表》

【Python】实战：生成有关联单选问卷 csv《营养不良风险评估表》

目录 一、适用场景 二、业务需求 三、Python 文件 &#xff08;1&#xff09;创建文件 &#xff08;2&#xff09;示例代码 四、csv 文件 &#xff08;1&#xff09;营养不良风险评估表&#xff08;问题 6 不选“不能取得”&#xff09; &#xff08;2&#xff09;营养…
阅读更多...
从输入url到页面展现（一）从浏览器解析url开始

从输入url到页面展现（一）从浏览器解析url开始

前端面试有一道很考验人的问题&#xff0c;那就是&#xff1a;请你说一下从用户从输入url到页面展现的过程是怎样的&#xff1f;在接下来的一段时间呢&#xff0c;狗哥会从这一问题出发&#xff0c;开始剖析这个过程&#xff0c;希望可以让更多的小伙伴掌握到这个过程&#xff…
阅读更多...
【加载plist文件展示单组数据 Objective-C语言】

【加载plist文件展示单组数据 Objective-C语言】

一、接下来，我们要为大家演示如何通过加载plist文件，使用UITableView展示单组数据， 1.最后运行起来的效果，是一个什么效果呢，是这样一个效果： 2.这个里面，这就是一个单元格吧， 这就是一个单元格， 这个单元格里面，包括一个图片框、一个TextLabel、一个DetailLabel、…
阅读更多...
JAVA开发（通过网关gateway过滤器进行返回结果加密）

JAVA开发（通过网关gateway过滤器进行返回结果加密）

在对C的网站或者APP后端接口中&#xff0c;参数的传输往往需要加密传输。这时我们 可以通过springcloud的网关过滤器进行统一的控制。 网关过滤器的执行顺序&#xff1a; 请求进入网关会碰到三类过滤器&#xff1a;当前路由过滤器、DefaultFilter、GlobalFilter。 请求路由后…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023