Java环境搭建与初学者案例解析

版权申诉
0 下载量 24 浏览量 更新于2024-10-06 收藏 6KB ZIP 举报
资源摘要信息:"Java环境搭建与初学案例分析" 在今天的课程中,我们将详细介绍Java环境的搭建过程,并结合初学者案例,帮助大家快速入门Java编程。Java作为一种广泛使用的编程语言,其跨平台的特性使得它在服务器端开发、桌面应用以及移动开发等领域都有广泛的应用。 首先,进行Java环境搭建,我们需要准备以下几个步骤: 1. 下载Java开发工具包(JDK): - 访问Oracle官网或其他JDK提供商网站,下载适合当前操作系统(如Windows、Linux、macOS)的JDK版本。 - 注意选择与操作系统位数相匹配的JDK版本,例如64位的操作系统应下载64位的JDK。 2. 安装JDK: - 打开下载的JDK安装包,遵循安装向导进行安装。 - 安装过程中,可以自定义安装路径,但要记住安装路径,因为后续设置环境变量时会用到。 3. 配置环境变量: - 环境变量的设置对于Java编译器以及运行环境是至关重要的,尤其是JAVA_HOME和Path变量。 - JAVA_HOME变量指向JDK的安装目录,需要在系统环境变量中设置。 - Path变量需要添加JDK的bin目录,这样在命令行中就能直接调用javac和java命令。 4. 验证安装: - 打开命令提示符或终端,输入java -version,如果显示出JDK版本信息,则表示安装和配置成功。 接下来,我们通过几个简单的Java案例来演示如何编写和运行Java程序: 1. Hello World程序: - 首个Java程序通常是经典的"Hello World"程序,它的目的是让初学者快速体验编写、编译和运行Java代码的过程。 - 示例代码如下: ```java public class HelloWorld { public static void main(String[] args) { System.out.println("Hello World!"); } } ``` - 将上述代码保存为HelloWorld.java文件,在命令行中进入该文件所在目录,执行`javac HelloWorld.java`来编译代码,编译成功后会生成一个名为HelloWorld.class的字节码文件。 - 接着运行`java HelloWorld`命令,可以在控制台输出"Hello World!"。 2. 变量和数据类型: - Java是一种静态类型语言,变量的声明必须指定数据类型。 - 基本数据类型包括int、float、double、char、byte、short、long、boolean。 - 示例代码如下: ```java public class VariablesDemo { public static void main(String[] args) { int number = 10; double price = 20.5; char grade = 'A'; boolean isStudent = true; System.out.println("Number is " + number); System.out.println("Price is " + price); System.out.println("Grade is " + grade); System.out.println("Is student: " + isStudent); } } ``` 通过上述环境搭建步骤和案例演示,我们对Java环境的配置以及基础编程有了初步的认识。在今后的学习中,我们将逐步深入学习Java的各种特性和高级概念,如面向对象编程、异常处理、集合框架等。同时,也建议初学者多加练习,通过编写更多代码来提升编程能力。

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)

2023-06-03 上传