lambda 将List<String> setList替换List<MwipLotSet> setList的setCode

时间: 2024-04-15 16:28:19 浏览: 17
要使用Lambda表达式将List<String> setList中的元素替换为List<MwipLotSet> setList中的setCode,您可以使用以下代码: ```java List<String> stringList = new ArrayList<>(); List<MwipLotSet> mwipLotSetList = new ArrayList<>(); // 假设您已经将元素添加到了stringList和mwipLotSetList中 // 使用Lambda表达式将List<String> setList替换为List<MwipLotSet> setList的setCode IntStream.range(0, setList.size()) .forEach(i -> mwipLotSetList.get(i).setCode(setList.get(i))); ``` 在这个示例中,我们使用了Java 8的IntStream和forEach方法来迭代索引,并使用Lambda表达式将setCode设置为相应的字符串值。请确保setList和mwipLotSetList具有相同的长度,并且对应位置的元素需要进行替换。同样,请根据您的实际需求进行调整。
相关问题

优化代码List<ZdcPower> zdcPowers = zdcPowerMapper.selectZdcPower(date); Map<String ,HashSet<String>> map= new HashMap<>(); for(ZdcPower z:zdcPowers){ if(StrKit.isNotEmpty(z.getUserCode())){ for(String userCode:z.getUserCode().split(",")){ if(StrKit.isNotEmpty(z.getOfficeCode())){ for(String officeCode:z.getOfficeCode().split(",")){ //不为空 if(map.containsKey(userCode)){ map.get(userCode).add(officeCode); }else{ HashSet<String> officeCodeHasSet = new HashSet<>(); officeCodeHasSet.add(officeCode); map.put(userCode,officeCodeHasSet); } } } } } }

这段代码的功能是将查询得到的ZdcPower列表按照用户代码和部门代码分组,其中一个用户代码对应多个部门代码。这样的代码优化可以从以下几个方面入手: 1. 将多层嵌套的for循环转化为流式编程方式,提高代码可读性和简洁性; 2. 使用Java8的新特性来简化代码,比如使用Stream API的groupingBy方法实现分组; 3. 避免重复创建HashMap对象,可以提前设置HashMap的初始容量和负载因子; 4. 将字符串的判断逻辑封装成工具类方法,提高代码的重用性。 下面是优化后的代码示例: ``` List<ZdcPower> zdcPowers = zdcPowerMapper.selectZdcPower(date); Map<String, Set<String>> map = new HashMap<>(zdcPowers.size()); zdcPowers.stream() .filter(z -> StrKit.isNotEmpty(z.getUserCode()) && StrKit.isNotEmpty(z.getOfficeCode())) .forEach(z -> { for (String userCode : z.getUserCode().split(",")) { map.computeIfAbsent(userCode, k -> new HashSet<>()) .addAll(Arrays.asList(z.getOfficeCode().split(","))); } }); ``` 以上代码中使用了流式编程方式,将多层嵌套的for循环转化为forEach和computeIfAbsent等方法的链式调用。使用computeIfAbsent方法可以避免重复创建HashMap对象,提高代码执行效率。同时,使用Lambda表达式和方法引用等新特性,可以使代码更加简洁易读。

List<Long> newAccessIdList = requestDataPermissionVo.getAccessIdList(); // 查询数据库里面的数据 List<Long> oldAccessIdList = menuInfoMapper.getUserDataPermission(requestDataPermissionVo.getUserId()).stream().map(ResponseDataPermissionVo::getAccessId).collect(Collectors.toList()); List<Long> unionList = CollectionUtil.intersection(newAccessIdList, oldAccessIdList).stream().collect(Collectors.toList()); // 去交集后即为需删除的 oldAccessIdList.removeAll(unionList); // 去交集后即为需新增的 newAccessIdList.removeAll(unionList); // 要删除的权限 if(ObjectUtil.isNotEmpty(oldAccessIdList)){ UpdateWrapper<TrUserAccess> updateWrapper = new UpdateWrapper<>(); updateWrapper.lambda().set(TrUserAccess::getIsDeleted, CommonYNEnums.YES.getCode()) .in(TrUserAccess::getAccessId, oldAccessIdList) .eq(TrUserAccess::getUserId, requestDataPermissionVo.getUserId()) .eq(TrUserAccess::getIsDeleted, CommonYNEnums.NO.getCode()); update(new TrUserAccess(), updateWrapper); }对以上进行单元测试

对以上代码进行单元测试的步骤如下: 1. 创建测试类,并导入相关的依赖库和类。 2. 在测试类中创建一个测试方法。 3. 在测试方法中,创建一个 requestDataPermissionVo 对象,并设置相关属性。 4. 创建一个 mock 对象来模拟 menuInfoMapper 的行为,并设置返回值。 5. 调用被测试的方法,传入 requestDataPermissionVo 对象和 mock 对象。 6. 使用断言来验证期望的结果是否与实际结果一致。 以下是一个可能的单元测试示例: ```java // 导入相关的依赖库和类 import org.junit.jupiter.api.Test; import org.mockito.Mockito; import java.util.ArrayList; import java.util.List; // 导入被测试的类 import com.example.YourPackageName.YourClassName; import com.example.YourPackageName.RequestDataPermissionVo; import com.example.YourPackageName.MenuInfoMapper; import com.example.YourPackageName.TrUserAccess; import com.example.YourPackageName.CommonYNEnums; class YourClassNameTest { @Test void testYourMethodName() { // 创建测试数据 RequestDataPermissionVo requestDataPermissionVo = new RequestDataPermissionVo(); requestDataPermissionVo.setUserId(123); List<Long> accessIdList = new ArrayList<>(); accessIdList.add(1L); accessIdList.add(2L); requestDataPermissionVo.setAccessIdList(accessIdList); // 创建 mock 对象并设置返回值 MenuInfoMapper menuInfoMapper = Mockito.mock(MenuInfoMapper.class); List<ResponseDataPermissionVo> responseList = new ArrayList<>(); ResponseDataPermissionVo response1 = new ResponseDataPermissionVo(); response1.setAccessId(1L); responseList.add(response1); Mockito.when(menuInfoMapper.getUserDataPermission(123)).thenReturn(responseList); // 创建被测试的对象 YourClassName yourClassName = new YourClassName(); // 调用被测试的方法 yourClassName.yourMethodName(requestDataPermissionVo, menuInfoMapper); // 使用断言来验证期望的结果是否与实际结果一致 Mockito.verify(menuInfoMapper, Mockito.times(1)).getUserDataPermission(123); } } ``` 请注意,这只是一个示例,根据你的具体情况和要求进行适当的修改和调整。

相关推荐

解释这段代码 List<TAiStdAuditResult> noPassAiStdAuditResultList = finalNoPassAiStdAuditResultList.stream().filter(item -> !otherPassDocFileIdList.contains(item.getDocFileId())).collect(Collectors.toList()); log.info("剩余不通过的结果{}",noPassAiStdAuditResultList); DocMaterialQueryBO docMaterialQueryBO = new DocMaterialQueryBO(); docMaterialQueryBO.setDocDatumId(docDatumId); List<DocMaterialDTO> docMaterials = certDocMaterialService.list(docMaterialQueryBO); Map<String, List<TAiStdAuditResult>> docFileIdMap = tAiStdAuditResults.stream().filter(t -> (CertDocDatumFileTypeToMaterialEnum.BUSI_INVOICE.getDataFileTypeCode().equals(t.getFileType()) || CertDocDatumFileTypeToMaterialEnum.BUSI_CONTRACT.getDataFileTypeCode().equals(t.getFileType()))) .collect(Collectors.groupingBy(TAiStdAuditResult::getDocFileId)); docFileIdMap.forEach((k,v)->{ if(auditDocFileDTOMap.containsKey(k)){ Set<String> remarkSet = auditDocFileDTOMap.get(k).getRemarkSet(); String fileType = v.get(0).getFileType(); if(notThisFileSet.contains(k)){ if(CertDocDatumFileTypeToMaterialEnum.BUSI_INVOICE.getDataFileTypeCode().equals(fileType)){ remarkSet.add(AIAuditRemarkEnum.NOT_INVOICE.getCode()); remarkRealFileType(tAiStdAuditResults, v, auditDocFileDTOMap.get(k), docMaterials); }else if(CertDocDatumFileTypeToMaterialEnum.BUSI_CONTRACT.getDataFileTypeCode().equals(fileType)){ remarkSet.add(AIAuditRemarkEnum.NOT_BUSI_CONTRACT.getCode()); remarkRealFileType(tAiStdAuditResults, v, auditDocFileDTOMap.get(k), docMaterials); } }else if(finalNoPassAiStdAuditResultSet.contains(k)){ remarkSet.add(AIAuditRemarkEnum.AI_RETURN.getCode()); } } });

import jieba import math import re from collections import Counter # 读入两个txt文件存入s1,s2字符串中 s1 = open('1.txt', 'r').read() s2 = open('2.txt', 'r').read() # 利用jieba分词与停用词表,将词分好并保存到向量中 stopwords = [] fstop = open('stopwords.txt', 'r', encoding='utf-8') for eachWord in fstop: eachWord = re.sub("\n", "", eachWord) stopwords.append(eachWord) fstop.close() s1_cut = [i for i in jieba.cut(s1, cut_all=True) if (i not in stopwords) and i != ''] s2_cut = [i for i in jieba.cut(s2, cut_all=True) if (i not in stopwords) and i != ''] # 使用TF-IDF算法调整词频向量中每个词的权重 def get_tf_idf(word, cut_list, cut_code_list, doc_num): tf = cut_list.count(word) df = sum(1 for cut_code in cut_code_list if word in cut_code) idf = math.log(doc_num / df) return tf * idf word_set = list(set(s1_cut).union(set(s2_cut))) doc_num = 2 # 计算TF-IDF值并保存到向量中 s1_cut_tfidf = [get_tf_idf(word, s1_cut, [s1_cut, s2_cut], doc_num) for word in word_set] s2_cut_tfidf = [get_tf_idf(word, s2_cut, [s1_cut, s2_cut], doc_num) for word in word_set] # 获取TF-IDF值最高的前k个词 k = 10 s1_cut_topk = [word_set[i] for i in sorted(range(len(s1_cut_tfidf)), key=lambda x: s1_cut_tfidf[x], reverse=True)[:k]] s2_cut_topk = [word_set[i] for i in sorted(range(len(s2_cut_tfidf)), key=lambda x: s2_cut_tfidf[x], reverse=True)[:k]] # 使用前k个高频词的词频向量计算余弦相似度 s1_cut_code = [s1_cut.count(word) for word in s1_cut_topk] s2_cut_code = [s2_cut.count(word) for word in s2_cut_topk] sum = 0 sq1 = 0 sq2 = 0 for i in range(len(s1_cut_code)): sum += s1_cut_code[i] * s2_cut_code[i] sq1 += pow(s1_cut_code[i], 2) sq2 += pow(s2_cut_code[i], 2) try: result = round(float(sum) / (math.sqrt(sq1) * math.sqrt(sq2)), 3) except ZeroDivisionError: result = 0.0 print("\n余弦相似度为:%f" % result)

from pyecharts import options as opts from pyecharts.charts import Bar from pyecharts.faker import Faker from pyecharts.commons.utils import JsCode js_code_formatter_01=""" function(param){ return Number(param.value).toFixed(2); } """ show_data1=marry_data.loc["全国合计"] x_axis_data=pd.Series(show_data1.index).apply(lambda x:x[:-1]).values.tolist() #保留2位的方法(1) y_axis_data=show_data1.apply(lambda x:round(x,2)).values.tolist() y_axis_data=show_data1.values.tolist() c = ( Bar( init_opts=opts.InitOpts( width="1000px",height="400px",theme="dark" ) ) #创建柱状图对象,可设置背景,大小等基础属性 .add_xaxis(x_axis_data) #Faker.choose()生成随机的文字标签,Faker.values()则是生成随机的数字,position调整位置,rotate调整文字方向 # .add_yaxis("全国数据分布", y_axis_data ,label_opts=opts.LabelOpts(position="inside",rotate=90,color="yellow",font_size=12,font_weight="blod",formatter=JsCode(js_code_formatter_01))) .set_global_opts(title_opts=opts.TitleOpts(title="全国结婚登记数量", subtitle="万对"),legend_opts=opts.LegendOpts(pos_left="right") ,visualmap_opts=opts.VisualMapOpts(max_=show_data1.max(),min_=show_data1.min(),range_color=['#3867d6','#45aaf2','#0fb9b1','#26de81','#fed330','#fa8231','#eb3b5a']) , markline_opts=opts.MarkLineOpts(data=[opts.MarkLineItem(name="平均值",type_="average"), opts.MarkLineItem(name="最小值",type_="min")]) ) #visualmap是设置颜色映射,即可调整颜色 #legend_opts=opts.LegendOpts(pos_left="right")可以调整图例的位置,不仅可用left,right等 还可用数字如 20%代表距左边图形20%的位置 #notebook中可用c.render_notebook()方法 用前先要把pyechar中的render删除 c.render_notebook()这段代码报错,请帮我修改

优化代码 def cluster_format(self, start_time, end_time, save_on=True, data_clean=False, data_name=None): """ local format function is to format data from beihang. :param start_time: :param end_time: :return: """ # 户用簇级数据清洗 if data_clean: unused_index_col = [i for i in self.df.columns if 'Unnamed' in i] self.df.drop(columns=unused_index_col, inplace=True) self.df.drop_duplicates(inplace=True, ignore_index=True) self.df.reset_index(drop=True, inplace=True) dupli_header_lines = np.where(self.df['sendtime'] == 'sendtime')[0] self.df.drop(index=dupli_header_lines, inplace=True) self.df = self.df.apply(pd.to_numeric, errors='ignore') self.df['sendtime'] = pd.to_datetime(self.df['sendtime']) self.df.sort_values(by='sendtime', inplace=True, ignore_index=True) self.df.to_csv(data_name, index=False) # 调用基本格式化处理 self.df = super().format(start_time, end_time) module_number_register = np.unique(self.df['bat_module_num']) # if registered m_num is 0 and not changed, there is no module data if not np.any(module_number_register): logger.logger.warning("No module data!") sys.exit() if 'bat_module_voltage_00' in self.df.columns: volt_ref = 'bat_module_voltage_00' elif 'bat_module_voltage_01' in self.df.columns: volt_ref = 'bat_module_voltage_01' elif 'bat_module_voltage_02' in self.df.columns: volt_ref = 'bat_module_voltage_02' else: logger.logger.warning("No module data!") sys.exit() self.df.dropna(axis=0, subset=[volt_ref], inplace=True) self.df.reset_index(drop=True, inplace=True) self.headers = list(self.df.columns) # time duration of a cluster self.length = len(self.df) if self.length == 0: logger.logger.warning("After cluster data clean, no effective data!") raise ValueError("No effective data after cluster data clean.") self.cluster_stats(save_on) for m in range(self.mod_num): print(self.clusterid, self.mod_num) self.module_list.append(np.unique(self.df[f'bat_module_sn_{str(m).zfill(2)}'].dropna())[0])

最新推荐

recommend-type

###对华为OD分布式操作系统的详细介绍

华为OD
recommend-type

2110220116吴骏博.py

2110220116吴骏博.py
recommend-type

基于Java的ApplicationPower快速项目生成脚手架设计源码

ApplicationPower项目生成脚手架设计源码:该项目基于Java开发,包含284个文件,主要使用Java和Shell语言。ApplicationPower是一个快速的项目生成脚手架,旨在帮助开发者快速搭建项目框架,包括创建项目结构、配置文件、开发环境等,提高开发效率。
recommend-type

基于MATLAB实现的OFDM经典同步算法之一Park算法仿真,附带Park算法经典文献+代码文档+使用说明文档.rar

CSDN IT狂飙上传的代码均可运行,功能ok的情况下才上传的,直接替换数据即可使用,小白也能轻松上手 【资源说明】 基于MATLAB实现的OFDM经典同步算法之一Park算法仿真,附带Park算法经典文献+代码文档+使用说明文档.rar 1、代码压缩包内容 主函数:main.m; 调用函数:其他m文件;无需运行 运行结果效果图; 2、代码运行版本 Matlab 2020b;若运行有误,根据提示GPT修改;若不会,私信博主(问题描述要详细); 3、运行操作步骤 步骤一:将所有文件放到Matlab的当前文件夹中; 步骤二:双击打开main.m文件; 步骤三:点击运行,等程序运行完得到结果; 4、仿真咨询 如需其他服务,可后台私信博主; 4.1 期刊或参考文献复现 4.2 Matlab程序定制 4.3 科研合作 功率谱估计: 故障诊断分析: 雷达通信:雷达LFM、MIMO、成像、定位、干扰、检测、信号分析、脉冲压缩 滤波估计:SOC估计 目标定位:WSN定位、滤波跟踪、目标定位 生物电信号:肌电信号EMG、脑电信号EEG、心电信号ECG 通信系统:DOA估计、编码译码、变分模态分解、管道泄漏、滤波器、数字信号处理+传输+分析+去噪、数字信号调制、误码率、信号估计、DTMF、信号检测识别融合、LEACH协议、信号检测、水声通信 5、欢迎下载,沟通交流,互相学习,共同进步!
recommend-type

基于MATLAB实现的imu和视觉里程计 kalman滤波器 进行融合+使用说明文档.rar

CSDN IT狂飙上传的代码均可运行,功能ok的情况下才上传的,直接替换数据即可使用,小白也能轻松上手 【资源说明】 基于MATLAB实现的imu和视觉里程计 kalman滤波器 进行融合+使用说明文档.rar 1、代码压缩包内容 主函数:main.m; 调用函数:其他m文件;无需运行 运行结果效果图; 2、代码运行版本 Matlab 2020b;若运行有误,根据提示GPT修改;若不会,私信博主(问题描述要详细); 3、运行操作步骤 步骤一:将所有文件放到Matlab的当前文件夹中; 步骤二:双击打开main.m文件; 步骤三:点击运行,等程序运行完得到结果; 4、仿真咨询 如需其他服务,可后台私信博主; 4.1 期刊或参考文献复现 4.2 Matlab程序定制 4.3 科研合作 功率谱估计: 故障诊断分析: 雷达通信:雷达LFM、MIMO、成像、定位、干扰、检测、信号分析、脉冲压缩 滤波估计:SOC估计 目标定位:WSN定位、滤波跟踪、目标定位 生物电信号:肌电信号EMG、脑电信号EEG、心电信号ECG 通信系统:DOA估计、编码译码、变分模态分解、管道泄漏、滤波器、数字信号处理+传输+分析+去噪、数字信号调制、误码率、信号估计、DTMF、信号检测识别融合、LEACH协议、信号检测、水声通信 5、欢迎下载,沟通交流,互相学习,共同进步!
recommend-type

zigbee-cluster-library-specification

最新的zigbee-cluster-library-specification说明文档。
recommend-type

管理建模和仿真的文件

管理Boualem Benatallah引用此版本:布阿利姆·贝纳塔拉。管理建模和仿真。约瑟夫-傅立叶大学-格勒诺布尔第一大学,1996年。法语。NNT:电话:00345357HAL ID:电话:00345357https://theses.hal.science/tel-003453572008年12月9日提交HAL是一个多学科的开放存取档案馆,用于存放和传播科学研究论文,无论它们是否被公开。论文可以来自法国或国外的教学和研究机构,也可以来自公共或私人研究中心。L’archive ouverte pluridisciplinaire
recommend-type

【实战演练】MATLAB用遗传算法改进粒子群GA-PSO算法

![MATLAB智能算法合集](https://static.fuxi.netease.com/fuxi-official/web/20221101/83f465753fd49c41536a5640367d4340.jpg) # 2.1 遗传算法的原理和实现 遗传算法(GA)是一种受生物进化过程启发的优化算法。它通过模拟自然选择和遗传机制来搜索最优解。 **2.1.1 遗传算法的编码和解码** 编码是将问题空间中的解表示为二进制字符串或其他数据结构的过程。解码是将编码的解转换为问题空间中的实际解的过程。常见的编码方法包括二进制编码、实数编码和树形编码。 **2.1.2 遗传算法的交叉和
recommend-type

openstack的20种接口有哪些

以下是OpenStack的20种API接口: 1. Identity (Keystone) API 2. Compute (Nova) API 3. Networking (Neutron) API 4. Block Storage (Cinder) API 5. Object Storage (Swift) API 6. Image (Glance) API 7. Telemetry (Ceilometer) API 8. Orchestration (Heat) API 9. Database (Trove) API 10. Bare Metal (Ironic) API 11. DNS
recommend-type

JSBSim Reference Manual

JSBSim参考手册,其中包含JSBSim简介,JSBSim配置文件xml的编写语法,编程手册以及一些应用实例等。其中有部分内容还没有写完,估计有生之年很难看到完整版了,但是内容还是很有参考价值的。