黑马程序员_java基础_Map集合

------- android培训java培训、期待与您交流!---------
Map集合

一、概述

     1、简述:

           Map<K,V>集合是一个接口,和List集合及Set集合不同的是,它是双列集合,并且可以给对象加上名字,即键(Key)

     2、特点:

        1)该集合存储键值对,一对一对往里存

        2)要保证键的唯一性。

 

二、Map集合的子类

        Map

            |--Hashtable:底层是哈希表数据结构,不可以存入null键null值。该集合是线程同步的。JDK1.0,效率低。

            |--HashMap:底层是哈希表数据结构。允许使用null键null值,该集合是不同步的。JDK1.2,效率高。

            |--TreeMap:底层是二叉树数据结构。线程不同步。可以用于给Map集合中的键进行排序。

        Map和Set很像。其实Set底层就是使用了Map集合。

 

三、Map集合的常用方法

      1、添加

           Vput(K key,V value);//添加元素,如果出现添加时,相同的键,那么后添加的值会覆盖原有键对应值,并put方法会返回被覆盖的值。

        voidputAll(Map <? extends K,? extends V> m);//添加一个集合

      2、删除

           clear();//清空

           Vremove(Object key);//删除指定键值对

     3、判断

           containsKey(Objectkey);//判断键是否存在

           containsValue(Objectvalue)//判断值是否存在

           isEmpty();//判断是否为空

     4、获取

        Vget(Object key);//通过键获取对应的值

        size();//获取集合的长度

        Collection<V>value();//获取Map集合中所以得值,返回一个Collection集合

四、Map集合的两种取出方式

              Map集合的取出原理:将Map集合转成Set集合。再通过迭代器取出。

       1、Set<K> keySet():将Map中所以的键存入到Set集合。因为Set具备迭代器。所以可以通过迭代方式取出所以键的值,再通过get方法。获取每一个键对应的值。

       2、Set<Map.Entry<K,V>>   entrySet():将Map集合中的映射关系存入到Set集合中,而这个关系的数据类型就是:Map.Entry

       其实,Entry也是一个接口,它是Map接口中的一个内部接口。

       Map集合的两种取出方式代码如下:

/*
存入学生进Map集合中,学生:姓名,年龄,地址。姓名和年龄相同为同一个学生
*/
import java.util.*;
class Student
{
	private String name;
	private int age;
	//初始化名字和年龄
	Student(String name,int age)
	{
		this.name=name;
		this.age=age;
	}
	//复写hashCode方法,判断hash值
	public int hashCode()
	{
		return this.name.hashCode()+age*23;
	}
	//复写equals方法,判断内容是否相同
	public boolean equals(Object obj)
	{
		if(!(obj instanceof Student))
			throw new RuntimeException("不是学生");
		Student stu = (Student)obj;
		return this.name.equals(stu.name)&&new Integer(this.age).equals(new Integer(stu.age));
	}
	public String getName()
	{
		return name;
	}
	public int getAge()
	{
		return age;
	}
}
class MapTest 
{
	public static void main(String[] args) 
	{
		meth();
	}
	public static void meth()
	{
		HashMap<Student,String> ha=new HashMap<Student,String>();

		ha.put(new Student("liuyi",20),"beiliu");
		ha.put(new Student("liuyi",20),"beiliu");
		ha.put(new Student("haner",22),"yulin");
		ha.put(new Student("zhangsan",19),"beihai");
		ha.put(new Student("lisi",21),"nanning");
		//第一种取出方式
		//取出HashMap集合中的键存到Set集合中
//		Set<Student> keySet=ha.keySet();
		//建立键的迭代器
//		Iterator<Student> it = keySet.iterator();

		//第二种取出方式
		//将Map集合中的映射关系存入到Set集合中
		Iterator<Map.Entry<Student,String>> it=ha.entrySet().iterator();

		while(it.hasNext())
		{
			//第一种取出方式
		//	Student st=it.next();
		//	String str=st.getName();
		//	int in = st.getAge();
		//	String id=ha.get(st);
		//	System.out.println(str+" "+in+"   "+id);

		    //第二种取出方式
		    Map.Entry<Student,String> m=it.next();
			Student st=m.getKey();
			String id=m.getValue();
			String name=st.getName();
			int age=st.getAge();
			System.out.println(name+" "+age+"   "+id);
		}
	}
}



------- android培训java培训、期待与您交流!---------
深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
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