【转】ViewHoder的一种简易写法

10 篇文章 0 订阅

在网上看到的,果断转载过来记录一下。

ViewHolder这么写(只提供一个静态方法,其实可以加一个私有构造函数防止外部实例化)

public class ViewHolder {
    // I added a generic return type to reduce the casting noise in client code
    @SuppressWarnings("unchecked")
    public static <T extends View> T get(View view, int id) {
        SparseArray<View> viewHolder = (SparseArray<View>) view.getTag();
        if (viewHolder == null) {
            viewHolder = new SparseArray<View>();
            view.setTag(viewHolder);
        }
        View childView = viewHolder.get(id);
        if (childView == null) {
            childView = view.findViewById(id);
            viewHolder.put(id, childView);
        }
        return (T) childView;
    }
}

在getView里这样

public View getView(int position, View convertView, ViewGroup parent) {
 
    if (convertView == null) {
        convertView = LayoutInflater.from(context)
          .inflate(R.layout.banana_phone, parent, false);
    }
 
    ImageView bananaView = ViewHolder.get(convertView, R.id.banana);
    TextView phoneView = ViewHolder.get(convertView, R.id.phone);
 
    BananaPhone bananaPhone = getItem(position);
    phoneView.setText(bananaPhone.getPhone());
    bananaView.setImageResource(bananaPhone.getBanana());
 
    return convertView;
}






  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
以下是另一种使用最小二乘法的线性模型的写法: ```python import numpy as np import pandas as pd import matplotlib.pyplot as plt from scipy.optimize import curve_fit # 读取数据 data = pd.read_csv('data.csv') data['time'] = pd.to_datetime(data['time'], format='%Y-%m') data['xiaoliang'] = data['xiaoliang'].astype(int) data = data.set_index('time') data = data.sort_index() # 定义线性模型 def linear_model(x, a, b): return a * x + b # 使用最小二乘法拟合线性模型 popt, pcov = curve_fit(linear_model, np.arange(len(data)), data['xiaoliang']) # 计算拟合结果 forecast = linear_model(np.arange(len(data), len(data) + 12), *popt) # 绘制拟合图像 idx = pd.date_range(start=data.index[-1], periods=12, freq='M') forecast = pd.Series(forecast, index=idx) plt.figure(figsize=(9.62,8.62)) plt.plot(data, label='Original Data') plt.plot(forecast, label='Forecasted Data') plt.xlabel('日期', fontproperties=font, fontsize=16) plt.ylabel('销量', fontproperties=font, fontsize=16) plt.title('销量变化', fontproperties=font, fontsize=16) plt.xticks(fontproperties=font, fontsize=14) plt.yticks(fontproperties=font, fontsize=14) plt.savefig('extract.png', dpi=300) ``` 这里使用了`curve_fit`函数进行最小二乘法拟合,其中`linear_model`函数定义了线性模型,`popt`存储了最佳拟合参数,`pcov`存储了拟合参数的协方差矩阵。拟合结果可以直接使用线性模型计算得到,然后绘制拟合图像即可。这种写法和前面的写法基本相同,只是使用了不同的函数库。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值