{ ...data[i]} 和data[i]的区别

时间: 2023-08-03 18:05:09 浏览: 79
`{...data[i]}` 和 `data[i]` 之间的区别在于对象的复制方式。 - `{...data[i]}` 使用展开运算符创建了一个新的对象,这个新对象是原始对象 `data[i]` 的浅拷贝。也就是说,新对象的属性和值与原始对象相同,但它们是两个独立的对象。如果对新对象进行修改,不会影响到原始对象。 - `data[i]` 是直接引用了原始对象 `data[i]`。这意味着对于 `data[i]` 的任何修改都会影响到原始对象。 下面是一个简单的示例来说明这两者之间的区别: ```javascript const obj = { name: 'John', age: 25 }; const newObj = {...obj}; const sameObj = obj; newObj.age = 30; sameObj.age = 35; console.log(obj); // 输出: { name: 'John', age: 35 } console.log(newObj); // 输出: { name: 'John', age: 30 } console.log(sameObj); // 输出: { name: 'John', age: 35 } ``` 在上述示例中,我们创建了一个对象 `obj`。然后,通过 `{...obj}` 创建了一个新的对象 `newObj`,并将其属性 `age` 修改为 30。同时,我们也将变量 `sameObj` 设置为直接引用到原始对象 `obj`。然后,我们将 `sameObj` 的属性 `age` 修改为 35。 最后,我们打印了 `obj`、`newObj` 和 `sameObj` 的值。可以看到,`newObj` 是一个拥有修改后的 `age` 属性的新对象,而 `sameObj` 和 `obj` 是相同的对象,它们的 `age` 属性都被修改为 35。 所以,在你的问题中,使用 `{...data[i]}` 可以创建一个新的对象,以确保在方法中使用新的数据时原始数据不会被更改。

相关推荐

最新推荐

recommend-type

LT6911C_Datasheet_R1.2.pdf

- 提供100KHz和400KHz的I2C从设备接口。 - 支持从手机或适配器模式选择电源。 - 集成微处理器。 - 内置EDID阴影存储器。 - 工作温度范围:-40°C到+85°C。 - ESD防护等级达到4kV HBM。 该芯片在MIPI DSI/CSI...
recommend-type

i.MX8M Plus MIMX8ML8CVNKZAB MIMX8ML3CV Datasheet

接口方面,i.MX8M Plus提供多路音频和麦克风接口,以支持沉浸式音频和语音系统。这些特性使得该芯片非常适合于需要高质量音频处理和语音识别的智能设备。 封装信息显示,i.MX8M Plus采用FCBGA封装,尺寸为15 x 15 ...
recommend-type

ethernet-controller-i350-datasheet.pdf

* Serializer-Deserializer (SERDES)接口,支持1000BASE-SX/LX(光纤,IEEE802.3)和1000BASE-KX(802.3ap)和1000BASE-BX(PICMIG 3.1)for Gigabit backplane应用 * SGMII (Serial-GMII Specification)接口,用于...
recommend-type

联发科MT7686_Datasheet

CPU核心采用ARM Cortex-M4处理器,数字基带负责处理Wi-Fi、蓝牙和Zigbee等wireless通信协议,射频前端负责实现无线电communication,存储器负责存储系统软件和数据,外围设备包括UART、SPI、I2C、I2S等接口。...
recommend-type

基于Python flask 的豆瓣电影top250数据评分可视化

基于Python flask 的豆瓣电影top250数据评分可视化
recommend-type

LCD1602液晶显示汉字原理与方法

"LCD1602液晶显示器在STM32平台上的应用,包括汉字显示" LCD1602液晶显示器是一种常见的字符型液晶模块,它主要用于显示文本信息,相较于七段数码管,LCD1602提供了更丰富的显示能力。这款显示器内部包含了一个字符发生器CGROM,预存了160多个字符,每个字符都有对应的固定代码。例如,大写字母"A"的代码是01000001B,对应的十六进制值是41H,当向液晶发送41H时,就会显示字符"A"。 在STM32微控制器上使用LCD1602,通常涉及以下几个关键点: 1. CGRAM(用户自定义字符区):如果要显示非预设的字符,如汉字,就需要利用CGRAM区。这个区域允许用户自定义64字节的字符点阵,每个字符由8个字节的数据组成,因此能存储8组自定义字符。CGRAM的地址分为0-7、8-15等,每组对应一个显示编码(00H-07H)。 2. DDRAM(字符显示地址数据存储器):这是实际存放待显示字符的位置。通过写入特定地址,可以控制字符在屏幕上的位置。 3. CGROM(字符发生存储器):内含预设的字符点阵,用于生成默认的字符。 4. 显示点阵大小:LCD1602的标准点阵大小是5*8,但通常汉字的点阵至少为8*8。要显示5*8的汉字,只需裁剪掉8*8点阵的前三列。 5. 自定义汉字显示:首先需要对汉字进行取模,获取5*8的点阵数据,然后将这些数据写入CGRAM的相应位置。在显示时,通过调用对应的CGRAM编码,即可在屏幕上显示出自定义的汉字。 例如,要显示"你好"这两个汉字,需要分别提取它们的5*8点阵数据,并写入CGRAM的两组地址。由于CGRAM的64字节容量,最多可以定义8个这样的自定义字符。显示时,先定位到合适的DDRAM地址,然后发送对应CGRAM编码,就能完成汉字的显示。 在STM32的程序设计中,需要编写相应的驱动函数来控制LCD1602的初始化、数据写入、地址设置等操作。通常会使用RS(寄存器选择)、RW(读写信号)、E(使能)和D0-D7(数据线)等接口信号来与LCD1602通信。 LCD1602液晶显示器在STM32上的应用涉及字符编码、自定义字符的创建与存储以及数据传输机制。通过理解和熟练掌握这些知识点,开发者可以实现各种复杂的信息显示功能。
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

彻底解决Oracle数据库增删改查操作故障:常见错误和解决方案

![彻底解决Oracle数据库增删改查操作故障:常见错误和解决方案](https://img-blog.csdnimg.cn/8c82ead6070d4b7da322b0b4a320b417.png?x-oss-process=image/watermark,type_ZHJvaWRzYW5zZmFsbGJhY2s,shadow_50,text_Q1NETiBAd2VpeGluXzU5MDQ4NzQ3,size_20,color_FFFFFF,t_70,g_se,x_16) # 1. Oracle数据库增删改查操作概述 Oracle数据库增删改查(CRUD)操作是数据库管理系统中最基本和最重
recommend-type

graphics绘制图形怎么设置大小

在`System.Drawing`库中,`Graphics`对象本身并没有直接提供设置图形大小的方法,因为它主要用于实际绘图操作而非管理图形尺寸。但是,你可以通过控制绘图区域(如`Rectangle`或`SizeF`)的大小来间接影响绘制内容的大小。以下是两个常见的情况: 1. **在画布上绘制**: - 如果你在创建`Graphics`对象时传递了一个`GraphicsDevice`,这个设备通常与某个窗口或图像关联。你可以调整窗口或图片的大小来改变绘图区大小,进而影响绘制的内容。 2. **绘制特定尺寸的图形**: - 使用`DrawImage`或`DrawString`方
recommend-type

word2vec算法详解:从CBOW到Skip-gram

"word2vec算法梳理" 在自然语言处理领域,word2vec是一种著名的算法,它能够学习到词的向量表示,使得语义相似的词在向量空间中距离相近。word2vec主要分为两种模型:Continuous Bag of Words (CBOW) 和 Continuous Skip-gram Model。本文主要梳理了基于Skip-gram的word2vec算法。 1. Skip-gram模型概述: Skip-gram模型的目标是通过当前词(中心词)预测其上下文词(上下文窗口内的词)。它的主要优化点在于减少了传统神经语言模型的计算复杂性,特别是隐层与输出层之间的矩阵运算以及输出层的归一化操作。 2. Skip-gram模型结构: - 输入层:输入层仅包含当前样本的中心词,每个词都由一个固定长度的词向量表示,维度为\(d\)。 - 投影层:这一层将输入层的所有词向量进行求和,形成一个单一的向量,用于后续的预测计算。 - 输出层:输出层对应于一个词汇树,这个树的叶子节点是语料库中出现的词,非叶子节点则根据词的频率构建。树的结构有助于高效地查找和计算上下文词的概率。 3. 梯度计算与参数更新: 在Skip-gram模型中,目标是最大化中心词到上下文词的概率。梯度计算涉及到从根节点到目标词的路径,路径上的每个节点都有对应的编码和向量。模型采用随机梯度上升法优化目标函数。对于词向量\(w_i\)的更新,是根据所有上下文词的梯度计算结果进行的。而投影层的参数更新则相对简单,通常采取直接取所有词向量的叠加平均。 4. 算法伪代码: 在训练过程中,word2vec算法会迭代地更新词向量和树结构中的参数,以逐渐提高预测准确性和模型性能。每个迭代步骤涉及对词典中每个词进行处理,计算其与上下文词的梯度,然后更新相关参数。 5. CBOW与Skip-gram对比: CBOW模型与Skip-gram的主要区别在于预测方向,CBOW是通过上下文词来预测中心词,而Skip-gram则是反过来。CBOW通常在训练速度上较快,但Skip-gram在捕捉长距离的依赖关系和稀有词的语义上有优势。 通过word2vec,我们可以得到高质量的词向量,这些向量可以用于各种NLP任务,如文本分类、情感分析、机器翻译等,极大地提升了这些任务的性能。