"Java开发环境搭建:JVM、JRE、JDK详解"

需积分: 0 0 下载量 42 浏览量 更新于2024-03-21 收藏 1.36MB DOCX 举报
在开始进行Java开发之前,首先需要搭建好开发环境。开发环境的搭建主要包括安装JVM、JRE和JDK这三个核心组件。JVM(Java Virtual Machine)是Java虚拟机的缩写,是Java程序执行的核心机制。JVM是一个虚拟的计算机,负责执行指令、管理数据、内存和寄存器,同时屏蔽了底层运行平台的差异,实现了“一次编译,到处运行”的特性,使得Java程序具有跨平台性。JRE(Java Runtime Environment)包括Java虚拟机和Java程序所需的核心类库等,如果想要运行一个开发好的Java程序,计算机中只需要安装JRE即可。而JDK(Java Development Kit)是提供给Java开发人员使用的工具包,包含了Java的开发工具和JRE,安装JDK即可满足Java开发的全部需求。 JVM的存在使得Java程序能够跨平台执行,无论是在Windows、Linux还是macOS等操作系统上,只需要有对应的JVM就能够运行。JRE则提供了Java程序所需要的运行环境,包括Java虚拟机和核心类库,确保Java程序能够正常执行。而JDK则是开发Java程序的必备工具,其中包含了编译工具(javac)、运行工具(java)、调试工具(jdb)等,能够帮助开发人员进行程序的编写、编译、运行和调试,是进行Java开发不可或缺的环境。 总的来说,搭建好Java开发环境是进行Java开发的第一步,只有正确安装了JVM、JRE和JDK这三个核心组件,才能够顺利进行Java程序的开发、运行和调试。具备了跨平台性、丰富的类库和强大的开发工具,使得Java成为了一种非常流行的编程语言,被广泛应用于企业级开发、移动应用开发和互联网开发等各个领域。因此,熟练掌握Java开发环境的搭建和使用,对于想要成为Java开发人员的人来说是至关重要的一步。希望通过对JVM、JRE、JDK这三个核心组件的了解,能够帮助各位顺利进行Java程序的开发与学习。

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