21天Java学习之旅源码解析

版权申诉
0 下载量 119 浏览量 更新于2024-10-02 收藏 435KB RAR 举报
资源摘要信息: "21天学习java源码,按照章节分开的。可供参考" 知识点说明: 1. Java编程学习路径:本资源以21天为周期,将Java学习内容分为多个章节,每一章节包含特定的学习主题和相关源码。这种划分方式有助于学习者循序渐进地掌握Java编程技能。 2. Java源码参考:资源中的DayCounter.java文件作为参考源码,可能包含了计数器功能的实现,可以用于演示如何编写基本的Java程序,以及如何组织代码结构。 3. 编程实践:资源的描述中提到了“按照章节分开”,这表明每个章节的源码文件可能是独立的练习,学习者可以通过实践这些代码来加深理解。 4. 学习资源结构:从文件名称列表来看,如day01、day02、day06、day07、day08、day11、day12、day13、day15、day17,它们很可能是按照时间顺序排列的,对应着学习者的每日学习内容。 5. 代码组织:从文件命名可以看出,学习资源被划分为多个独立的文件,每个文件代表学习的某一天。这样的组织方式有利于学习者专注学习特定主题,同时也便于复习和查漏补缺。 6. Java基础知识点:尽管没有具体到DayCounter.java文件的代码内容,但可以推测其中可能涉及到Java基础知识点,例如数据类型、运算符、控制流程(if、for、while)、类和对象等。 7. 可读性与可维护性:作为学习资源的示例代码,应该注重代码的可读性和可维护性,以便学习者能够轻松地理解和学习。 8. Java开发环境:对于初学者来说,要运行这些Java源码文件,需要配置Java开发环境,包括安装Java开发工具包(JDK)和设置环境变量等。 9. 编程习惯:在编写Java代码的过程中,学习者可以培养良好的编程习惯,比如代码的格式化、注释的添加、命名规范等,这对提高代码质量至关重要。 10. 学习方法:这种将学习内容拆分为21天的学习方法有助于学习者管理学习进度,每天都能够有一个明确的学习目标,同时可以对学习内容进行定期的复习和巩固。 11. 源码调试:在学习过程中,源码的调试也是一个重要的环节,学习者通过调试程序可以更好地理解程序运行的逻辑和可能出现的错误。 12. 知识点拓展:随着学习的深入,除了DayCounter.java以外,学习者还可以利用这些章节源码来拓展相关的知识点,比如异常处理、文件操作、网络编程、数据库连接等高级话题。 13. 学习资源的多样性:虽然资源中包含了21天的学习计划,但是学习者应该意识到,仅靠这些源码是不足以全面掌握Java的。应该结合书籍、在线教程、视频课程等多种学习资源,来构建全面的知识体系。 14. 学习进度跟踪:为了确保学习效果,学习者可以为每一天的学习设定目标,并在完成后进行检查,确保真正理解并能够应用当天所学的内容。 15. 实践与理论相结合:在学习Java的过程中,动手实践是非常重要的。学习者应该在理解了理论知识后,通过编写和运行自己的代码来加深理解。 总结:通过上述分析,我们可以看出,"21day_learn_java.rar_DayCounter.java"不仅是一个提供给Java初学者的21天学习计划,它还包含了源码组织、编程习惯培养、学习方法指导等多方面的知识点。学习者可以利用这一资源按部就班地学习Java,同时需要注意结合实践、扩展知识面,并采取合适的策略来提升学习效果。

select * from ( SELECT P.PATIENT_ID, P.VISIT_ID, PM.NAME, PM.SEX, P.ADMISSION_DATE_TIME, ( SELECT TOP 1 DP.DEPT_NAME FROM DEPT_DICT DP WHERE DP.DEPT_CODE = P.DEPT_ADMISSION_TO ) AS DEPT_ADM, P.DISCHARGE_DATE_TIME, ( SELECT TOP 1 DP.DEPT_NAME FROM DEPT_DICT DP WHERE DP.DEPT_CODE = P.DEPT_DISCHARGE_FROM ) AS DEPT_DIS, DATEDIFF( DAY, P.ADMISSION_DATE_TIME, P.DISCHARGE_DATE_TIME ) AS INPAT_DAYS, P.DOCTOR_IN_CHARGE --datediff(day, P.ADMISSION_DATE_TIME,P.DISCHARGE_DATE_TIME) as zyts FROM PAT_VISIT P INNER JOIN PAT_MASTER_INDEX PM ON PM.PATIENT_ID = P.PATIENT_ID WHERE select * from ( SELECT P.PATIENT_ID, P.VISIT_ID, PM.NAME, PM.SEX, P.ADMISSION_DATE_TIME, ( SELECT TOP 1 DP.DEPT_NAME FROM DEPT_DICT DP WHERE DP.DEPT_CODE = P.DEPT_ADMISSION_TO ) AS DEPT_ADM, P.DISCHARGE_DATE_TIME, ( SELECT TOP 1 DP.DEPT_NAME FROM DEPT_DICT DP WHERE DP.DEPT_CODE = P.DEPT_DISCHARGE_FROM ) AS DEPT_DIS, DATEDIFF( DAY, P.ADMISSION_DATE_TIME, P.DISCHARGE_DATE_TIME ) AS INPAT_DAYS, P.DOCTOR_IN_CHARGE --datediff(day, P.ADMISSION_DATE_TIME,P.DISCHARGE_DATE_TIME) as zyts FROM PAT_VISIT P INNER JOIN PAT_MASTER_INDEX PM ON PM.PATIENT_ID = P.PATIENT_ID WHERE P.DISCHARGE_DATE_TIME >= '2016-01-01' AND P.DISCHARGE_DATE_TIME < = '2023-07-10' AND DATEDIFF( DAY,P.ADMISSION_DATE_TIME, P.DISCHARGE_DATE_TIME ) >= 30 ) t order by inpat_days desc P.DISCHARGE_DATE_TIME >= '2016-01-01' AND P.DISCHARGE_DATE_TIME < = '2023-07-10' AND DATEDIFF( DAY,P.ADMISSION_DATE_TIME, P.DISCHARGE_DATE_TIME ) >= 30 ) t order by inpat_days desc 帮我把这段sql优化一下

2023-07-25 上传

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