手写flat函数

于 2024-08-28 10:02:57 发布
阅读量285 收藏
点赞数 13
文章标签： 前端
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/jinaiminm/article/details/141632657
版权

这样就实现了数组扁平化，这里我用到了展开运算符，为什么实参和形参都用到了展开运算符，是因为实参如果只传一个数组的话，是将整个数组当成一个参数传递过去了，打印参数相当于数组包数组的形式，如果使用了展开运算符，相当于把数组中的值展开全部传递进去，形参的展开运算符是收集参数的，可以试一下，形参如果只传一个a，不就相当于一个参数吗，然后for循环判断数组中的每一项是不是还是数组，如果是走if判断如果不是走else判断，最后输出，得到结果

jinaiminm
关注
  • 13
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
[JavaScript]利用reduce手写一个flat函数，数组扁平化
DaftJayee的博客
09-29 642
var arr1 = [1, 2, 3, [1, 2, 3, 4, [2, 3, 4]]] function flatDeep(arr, d = 1) { return d > 0 ? arr.reduce( (acc, val) => acc.concat(Array.isArray(val) ? flatDeep(val, d - 1) : val), [] ) : ...
JS手写flat函数
weixin_44717047的博客
12-15 1331
flat() 方法会按照一个可指定的深度递归遍历数组，并将所有元素与遍历到的子数组中的元素合并为一个新数组返回。 const arr = [1, 2, [3, 4, [5, 6, [7]]], 8]; console.log(arr.flat(Infinity)); //[1,2,3,4,5,6,7,8] console.log(arr.flat(2)); //[1,2,3,4,5,6,[7],8] 手写flat函数： function flat(arr,n) { let times = 0; //利
面试20个人居然没有一个写出数组扁平化?如何手写flat函数
pz1021的博客
11-05 1758
定义 : 扁平化就是将多维数组变成一维数组,不存在数组的嵌套实现数组扁平化的方法有很多, 评分也每个人有各自的看法, 欢迎大家在评论区留下你自己对每个实现方式的评分,一起学习交流哦!不会没关系,最重要的是肯学程序员Better让我们一起学习呀~
手写数组flat函数
qq_42907330的博客
10-19 766
const arr = [1, 2, [[[3, 4]]]] Array.prototype.flats=function(num,arr){ if(this===null||this.undefined)throw new Error('"Cannot read property flats of null or undefined"') if(typeof(num)!="number"&&typeof(num)!="un..
超级好懂的手写flat函数！！！面试直接嘎嘎乱杀
weixin_50948265的博客
11-30 348
实现办法就是利用循环(使用递归可以简单实现，即全部扁平化或者只扁平化一层，但是不好控制深度)，相对来说，利用循环更好控制扁平化的深度。首先我们要知道原生的flat函数实现的是什么功能， 传递两个值，一个是用于扁平化的数组，一个是扁平化的深度。如果大家有更好的实现办法，欢迎讨论研究。
js代码-手写flat
07-15
通过这种方式，我们的手写`flat`函数可以处理任意深度的嵌套数组，与原生`flat`方法的行为保持一致。例如，当我们调用`flat([1, [2, [3, [4]]]], Infinity)`时，也会得到`[1, 2, 3, 4]`。 此外，`README.txt`文件...
前端面试中常见的原生JS手写实现函数
weixin_44685906的博客
05-12 1710
前端面试中常见的原生JS手写实现函数前言实现call函数apply函数bind函数newinstanceof函数继承实现深拷贝深度比较防抖函数节流函数Promise.all()Promise.race()函数柯里化用setTimeout实现setInterval原生JS实现Ajax上拉加载更多发布订阅模式数组转换为二叉树sleep函数map函数reduce函数filter函数forEach函数find函数some函数every函数includes函数join函数用reduce实现mapconcat函数快速排
基于TensorFlow的CNN实现Mnist手写数字识别
09-16
### 基于TensorFlow的CNN实现Mnist手写数字识别 #### 一、理论基础与背景 在深度学习领域，卷积神经网络(Convolutional Neural Networks, CNN)是一种广泛应用于图像识别和分类任务的强大工具。它通过局部感受野、...
vue3+el-tale封装（编辑、删除、查看详情按钮一起封装）
最新发布
CallMe_CrabXie的博客
08-27 165
对应的tableData和tableDataHeader文件（实际开发中，应该从后端拿tableData，tableHeader根据情况自定义）
安防视频汇聚平台EasyCVR启动后无法访问登录页面是什么原因？
EasyCVR视频融合云平台的技术博客
08-27 219
以进程方式启动（./easycvr）时，清楚看到此时web端口【9004】被占用。更改端口后，EasyCVR视频汇聚平台可以正常访问了。
Java CORS：跨越资源边界，探索跨域资源共享的无限可能
qq_44771627的博客
08-22 1182
随着前端技术的飞速发展，越来越多的应用程序开始使用多种不同的后端服务。这些服务往往部署在不同的域上，这就引发了**跨域访问**的问题。CORS作为一种解决跨域问题的有效机制，对于现代Web开发至关重要。本文将详细介绍如何在Java环境中配置和使用CORS，帮助你轻松应对跨域访问带来的挑战。
vue3插件原理
m0_46281382的博客
08-26 335
简述vue3中use方法加载第三方插件原理
零基础5分钟上手亚马逊云科技-云原生架构设计
m0_66628975的博客
08-26 1420
欢迎来到小李哥全新亚马逊云科技AWS云计算知识学习系列，适用于任何无云计算或者亚马逊云科技技术背景的开发者，通过这篇文章大家零基础5分钟就能完全学会亚马逊云科技一个经典的服务开发架构方案。我会每天介绍一个基于亚马逊云科技AWS云计算平台的全球前沿云开发/架构技术解决方案，帮助大家快速了解国际上最热门的云计算平台亚马逊云科技AWS最佳实践，并应用到自己的日常工作里。
前端开发攻略---在Vue3项目中修改Element-Plus主题色
nibabaoo的博客
08-22 254
在Vue3项目中修改Element-Plus主题色
前端自动导入依赖
owo_ovo的博客
08-26 357
前端模块自动导入的插件
React 入门第六天：理解组件生命周期与效果
Caleb的博客
08-26 477
React组件的生命周期指的是从组件创建到销毁的全过程。理解组件的生命周期对高效管理组件的状态和副作用至关重要。虽然函数组件主要依赖于Hooks来处理生命周期和副作用，类组件依然是学习生命周期的基础。
python web 框架 Tornado
nbspzs的专栏
08-27 293
tornado.web.Application 是 Tornado 框架中的一个核心类，用于管理和配置 Web 应用程序。Tornado 是一个异步框架，Application 和 RequestHandler 都支持异步操作，使其在处理高并发请求时具有较高的性能。在上面的例子中，Application 类管理根 URL /，并将其请求交给 MainHandler 处理。Application 可以接收一个配置字典，用于配置应用的全局选项，如调试模式、静态文件路径、模板路径等。
python实现手写数字识别
05-25
手写数字识别是一种基本的机器学习应用，可以用于识别手写数字的图像，并将其转化成数字形式。下面是用Python实现手写数字识别的基本步骤： 1. 收集训练数据：收集一组手写数字图像数据，这些图像应包括数字0到9的不同手写样本。 2. 数据预处理：将手写数字图像数据进行处理，如将其压缩为28x28像素大小的灰度图像，并进行归一化处理，以便更好地训练模型。 3. 训练模型：使用机器学习算法训练模型，如神经网络、SVM等。在训练时，将处理后的手写数字图像数据输入模型，并对其进行训练，以便模型能够正确地识别手写数字图像。 4. 模型测试：使用测试数据对模型进行测试，以便评估模型的性能和准确率。 5. 应用模型：将训练好的模型应用到实际场景中，如手写数字识别应用程序。 下面是一个使用Python实现手写数字识别的简单例子： ```python import numpy as np import matplotlib.pyplot as plt from sklearn.datasets import load_digits from sklearn.neural_network import MLPClassifier from sklearn.model_selection import train_test_split # 加载手写数字数据集 digits = load_digits() # 查看数据集 print(digits.data.shape) # 显示数据集中的一些图像 fig, axes = plt.subplots(4, 4) for i, ax in enumerate(axes.flat): ax.imshow(digits.images[i], cmap='gray') plt.show() # 数据预处理 X = digits.data / 16.0 y = digits.target # 划分训练集和测试集 X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3) # 定义神经网络模型 model = MLPClassifier(hidden_layer_sizes=(64,), activation='relu', solver='adam', max_iter=1000) # 训练模型 model.fit(X_train, y_train) # 模型评估 score = model.score(X_test, y_test) print("Test score: {:.2f}%".format(score * 100)) # 预测新数据 new_data = np.array([digits.data[0]]) prediction = model.predict(new_data) print("Prediction:", prediction[0]) ``` 在这个例子中，我们使用了sklearn库中的MLPClassifier类来实现一个神经网络模型，并对手写数字数据集进行训练和测试。我们使用train_test_split函数将数据集分成了训练集和测试集，然后训练模型并评估其性能。最后，我们使用训练好的模型对新数据进行预测。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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