"JavaSE课程大纲及学习阶段总结"

javase
需积分: 8 0 下载量 199 浏览量 更新于2024-01-21 收藏 1.08MB PDF 举报
++,Java,Python,JavaScript等等。每种编程语言都有自己的特点和用途，适用于不同的领域和场景。 Java是一门非常流行的编程语言，特别适合开发企业级应用程序。它有着丰富的类库和强大的生态系统，可以帮助开发者快速构建可靠和高效的应用。Java语言的发展历史可以追溯到20世纪90年代初，当时由Sun Microsystems首次发布。随着时间的推移，Java语言逐渐发展壮大，成为了世界上使用最广泛的编程语言之一。 JavaSE是Java的标准版，主要用于开发桌面应用程序、移动应用以及嵌入式设备等。在JavaSE课程中，我们会学习Java的基础语法、面向对象思想、常用API、集合板块、IO板块、多线程、网络编程、反射、注解、枚举等知识点。同时，我们还会了解JDK8的新特性，如Lambda表达式、方法引用和Stream流，这些新特性可以提高代码的可读性和编写效率。 在Java课程中，我们还会学习Java基础web阶段的知识，包括MySQL数据库和Tomcat服务器的使用。MySQL是一种常用的关系型数据库管理系统，用于存储和管理数据。Tomcat是一种开源的web服务器，用于部署和运行Java服务器端应用程序。 此外，我们还会学习更高阶的框架，如ssm框架和Spring全家桶。ssm框架是Spring+SpringMVC+MyBatis的组合，用于简化企业应用的开发。Spring全家桶则是一系列相关的框架，包括Spring Boot、Spring Cloud、Spring Data等，用于构建分布式系统和微服务架构。 总的来说，Java课程涵盖了JavaSE基础知识、web开发技术、数据库和服务器的使用，以及更高阶的框架应用。这些知识点可以帮助我们成为一名Java开发工程师，能够独立设计和开发企业级应用程序。无论是初学者还是有经验的开发者，都可以通过学习Java课程来提升自己的技能水平。

优化sql语句update jc_content set views_day=(select contentcou1_.views_day from jc_content_count contentcou1_ where jc_content.content_id=contentcou1_.content_id), comments_day=(select contentcou2_.comments_day from jc_content_count contentcou2_ where jc_content.content_id=contentcou2_.content_id), downloads_day=(select contentcou3_.downloads_day from jc_content_count contentcou3_ where jc_content.content_id=contentcou3_.content_id), ups_day=(select contentcou4_.ups_day from jc_content_count contentcou4_ where jc_content.content_id=contentcou4_.content_id)

324 浏览量
SET jc_content.views_day = jc_content_count.views_day, jc_content.comments_day = jc_content_count.comments_day, jc_content.downloads_day = jc_content_count.downloads_day, jc_content.ups_day = jc_...

for i in range(2,21): amount_per_day[i] = np.dot(np.multiply(p,r_1).transpose(),amount_per_day[i - 1].transpose())+\ np.dot(np.multiply(p,r_2).transpose(),amount_per_day[i - 2].transpose()) amount_per_day[i] = np.array(list(map(int, amount_per_day[i][:])) )代码含义

109 浏览量
amount_per_day[i] = np.dot(np.multiply(p,r_1).transpose(),amount_per_day[i - 1].transpose())+\ np.dot(np.multiply(p,r_2).transpose(),amount_per_day[i - 2].transpose()) ``` 其中，np.multiply(p,r_1) ...

保留原本功能优化以下代码import pandas as pd import numpy as np import matplotlib.pyplot as plt # 1.读取并查看数据 bike_day = pd.read_csv("C:/Users/15020/Desktop/26.bike_day.csv") print(bike_day.head(5)) # 前5行 print(bike_day.tail(2)) #后2行 #2.处理数据并导出到文件 bike_day_user = bike_day[['instant','dteday','yr', 'casual', 'registered']].dropna() bike_day_user.to_csv('bike_day_user.txt', sep=' ',index=False, header=False) #3.读取数据并添加新列并导出到新文件 bike_day_user = pd.read_csv('bike_day_user.txt', sep=' ', header=None, names=['instant','dteday','yr', 'casual',"registered"]) bike_day_user['cnt'] = bike_day_user['casual'] + bike_day_user['registered'] bike_day_user.to_excel('bike_day_user_cnt.xlsx', index=False) #4.读取数据并进行统计 bike_day_user_cnt = pd.read_excel('bike_day_user_cnt.xlsx') print('cnt最大值:',bike_day_user_cnt['cnt'].max()) print('ent最小值:',bike_day_user_cnt['cnt'].min()) print('2011号cnt年平均值:',bike_day_user_cnt[bike_day_user_cnt['yr'] == 0]['cnt'].mean()) print('2012年cnt年平均值:',bike_day_user_cnt[bike_day_user_cnt['yr'] == 1]['cnt'].mean()) print('2011年月严始值:', bike_day_user_cnt[bike_day_user_cnt['yr'] == 0].groupby('mnth')['cnt'].mean()) print('2022年月平均值:', bike_day_user_cnt[bike_day_user_cnt['yr'] == 1].groupby('mnth')['cnt'].mean()) # 5.可视化并保存图像 fig, ax = plt.subplots() ax.barh(bike_day_user_cnt['mnth'], bike_day_user_cnt[bike_day_user_cnt['yr'] == 0].groupby('mnth')['cnt'].mean(), color='blue', label='2011') ax.barh(bike_day_user_cnt['mnth'], bike_day_user_cnt[bike_day_user_cnt['yr'] == 1].groupby('mnth')['cnt'].mean(), color='lightblue', label='2012') ax.set_yticks(np.arange(1,13)) ax.set_yticklabels(['Jan','Feb','Mar', 'Apr', 'May','Jun','Jul','Aug', 'sep', 'Oct','Nov','Dec']) ax.set_xlabel('Average number of shared bike users') ax.set_title('Monthly Average Number of Shared Bike Users in 2011-2012') ax.legend() fig.savefig('bike_day_user_cnt.png', dpi=300)

146 浏览量
bike_day = pd.read_csv("C:/Users/15020/Desktop/26.bike_day.csv") print(bike_day.head()) print(bike_day.tail(2)) # 2.处理数据并导出到文件 bike_day_user = bike_day[['instant', 'dteday', 'yr', 'casual'...

import numpy as np p = np.array([[0.6,0.2,0.1,0.1],[0.2,0.5,0.2,0.1],[0.1,0.1,0.5,0.3],[0.5,0.2,0.2,0.1]]) r_1 = np.array([[1,0.6,0.4,0.2],[0.3,1,0.1,0.4],[0.4,0.3,1,0.2],[0.2,0.5,0.4,1]]) r_2 = np.array([[0,0.4,0.6,0.8],[0.7,0,0.9,0.6],[0.6,0.7,0,0.8],[0.8,0.5,0.6,0]]) amount_per_day = {} amount = np.array([500,500,500,500]) amount_per_day[0] = amount amount_per_day[1] = np.dot(np.multiply(p,r_1).transpose(),amount.transpose())#第一天单独处理 for i in range(2,21): amount_per_day[i] = np.dot(np.multiply(p,r_1).transpose(),amount_per_day[i - 1].transpose())+\ np.dot(np.multiply(p,r_2).transpose(),amount_per_day[i - 2].transpose()) amount_per_day[i] = np.array(list(map(int, amount_per_day[i][:])) ) #每次循环都取整 print(amount_per_day[20])代码解答

185 浏览量
amount_per_day[i] = np.dot(np.multiply(p,r_1).transpose(),amount_per_day[i - 1].transpose())+\ np.dot(np.multiply(p,r_2).transpose(),amount_per_day[i - 2].transpose()) amount_per_day[i] = np.array...

优化以下这个试图，把2023-06-09作为变量传入，SELECT A.office_id AS distributorId, A.customer_code AS customerCode, A.erp_name AS customerName, A.total_amount AS totalAmount, A.trade_date AS tradeDate, A.customer_type AS customerType, "初次" AS is_first_deal FROM t_first_feedback A WHERE A.`status` = '已成交' AND A.trade_date IS NOT NULL AND A.trade_date >= DATE_FORMAT( DATE_SUB( '2023-06-09', INTERVAL 1 MONTH ), '%Y-%m-01' ) AND A.trade_date <= LAST_DAY( DATE_SUB( '2023-06-09', INTERVAL 1 MONTH )) UNION ALL SELECT B.office_id AS distributorId, B.customer_number AS customerCode, B.customer_name AS customerName, B.total_amount AS totalAmount, B.transaction_date AS tradeDate, "" AS customerType, "重复" AS is_first_deal FROM t_repeat_feedback B WHERE B.transaction_date IS NOT NULL AND B.transaction_date >= DATE_FORMAT( DATE_SUB( '2023-06-09', INTERVAL 1 MONTH ), '%Y-%m-01' ) AND B.transaction_date <= LAST_DAY( DATE_SUB( '2023-06-09', INTERVAL 1 MONTH ))

2023-06-10 上传
AND A.trade_date <= LAST_DAY(DATE_SUB(@date, INTERVAL 1 MONTH)) UNION ALL SELECT B.office_id AS distributorId, B.customer_number AS customerCode, B.customer_name AS customerName, B.total_amount AS...

用python实现以下要求。1，用pandas库读取bike_day.csv文件，查看前5行，后2行。2选择instant，dteday,yr,casual,registered共五行数据，将缺失值丢弃，处理后的数据导出到bike_day_user.txt，数据之间用空格分隔，每行末尾包含换行符。3，读取bike_day_user.txt，计算列casual与列registered和，并作为一个新的列cnt添加到原始数据，导出到新的Excel文件bike_day_user_cnt.xlsx。4读取bike_day_user_cnt.xlsx，计算列cnt最大值，最小值；分别统计2011年和2012年cnt的年平均值，以及2011年和2012年每个月的月平均值。5，将上一步计算得出的2011年和2012年共享单车租凭用户的月平均值以及水平柱状图可视化显示，y轴代表月份，刻度为每个月份，包括图例，图标题，填充颜色为蓝色，保存为bike_day_user_cnt.png，分辨率不低于300dpi

106 浏览量
- 第1步使用`pandas`库读取`bike_day.csv`文件，并分别查看前5行和后2行数据。 - 第2步选择5列数据并将缺失值丢弃，处理后的数据导出到`bike_day_user.txt`文件中。 - 第3步读取`bike_day_user.txt`文件，并添加新的...

last_day_of_this_month = first_day_of_next_month - timedelta(days=1) 将以上时间改为年月日

179 浏览量
last_day_of_this_month = datetime(first_day_of_next_month.year, first_day_of_next_month.month, 1) - timedelta(days=1) # 将结果转换为年月日格式 last_day_of_this_month_str = last_day_of_this_month....

first_day = bikes[:24].long() weather_onehot = torch.zeros(first_day.shape[0], 4) first_day[:,9]

116 浏览量
weather_onehot = torch.zeros(first_day.shape[0], 4) 表示创建一个形状为(first_day.shape[0], 4)的全部为0的tensor。 first_day[:, 9] 表示对first_day tensor的第9列进行切片操作。 综合起来，以上代码的意思...

update QDS_H_REPORT_DAY_ACCOUNT d set JFDL = select long_sum as long_sum from (select a.id,a.belong_day, a.plant_id, a.plant_name, a.day_account, b.long_sum,a.belong_com from (select round(sum( nvl(SP_01113101180001,0) ) / 60, 4) as long_sum, belong_day from QDS_H_POWER_LONG_2023 group by belong_day) b, (select id,belong_day, plant_id,'SP_'||plant_id as spid, plant_name, day_account,belong_com from QDS_H_REPORT_DAY_ACCOUNT where IZ_DEL = 0) a where a.belong_day = b.belong_day and a.spid = 'SP_01113101180001' and a.belong_com = '青浦地调') c where d.plant_id = '01113101180001' and d.belong_day = c.belong_day

2023-06-13 上传
这是一条 SQL 语句，用于更新表 QDS_H_REPORT_DAY_ACCOUNT 中的 JFDL 字段。具体操作为，从表 QDS_H_POWER_LONG_2023 中查询出 SP_01113101180001 对应的 long_sum 值，并将其与 QDS_H_REPORT_DAY_ACCOUNT 中的 day_...

#include <iostream> #include <cstdio> #include <cstring> using namespace std; const char* Haab_month_name[] = {"pop", "no", "zip", "zotz", "tzec", "xul", "yoxkin", "mol", "chen", "yax", "zac", "ceh", "mac", "kankin", "muan", "pax", "koyab", "cumhu", "uayet"}; int Tzolkin_day_number[20] = {1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 1, 2, 3, 4, 5, 6, 7}; const char *Tzolkin_day_name[] = {"imix", "ik", "akbal", "kan", "chicchan", "cimi", "manik", "lamat", "muluk", "ok", "chuen", "eb", "ben", "ix", "mem", "cib", "caban", "eznab", "canac", "ahau"}; struct Date { int day; int month; int year; }; // 把哈布历转换成天数 int haab_to_days(int day, const char* month, int year) { int total_days = day + (year * 365); int month_index; for (month_index = 0; month_index < 19; ++month_index) { if (strcmp(Haab_month_name[month_index], month) == 0) { break; } } total_days += month_index * 20; return total_days; } // 把天数转换成托尔金历 void days_to_tzolkin(int total_days, int* day_number, const char** day_name) { int tzolkin_day_count = total_days % 13; int tzolkin_day_index = tzolkin_day_count - 1; if (tzolkin_day_index < 0) tzolkin_day_index = 12; int tzolkin_day_number = Tzolkin_day_number[tzolkin_day_index]; const char *tzolkin_day_name = Tzolkin_day_name[(total_days % 20)]; *day_number = tzolkin_day_number; *day_name = tzolkin_day_name; } int main() { int N; cin >> N; cout << N << endl; for (int i = 0; i < N; ++i) { Date date; char dot; scanf("%d%c%d%s%d", &date.day, &dot, &date.month, Haab_month_name, &date.year); int total_days = haab_to_days(date.day, Haab_month_name, date.year); int tzolkin_day_number; const char *tzolkin_day_name; days_to_tzolkin(total_days, &tzolkin_day_number, &tzolkin_day_name); printf("%d %s %d\n", tzolkin_day_number, tzolkin_day_name, date.year); } return 0; }

117 浏览量
int Tzolkin_day_number[20] = {1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 1, 2, 3, 4, 5, 6, 7}; const char *Tzolkin_day_name[] = {"imix", "ik", "akbal", "kan", "chicchan", "cimi", "manik", "lamat", ...
Java三千了
  • 粉丝: 10
  • 资源: 2
上传资源 快速赚钱

最新资源