关于Android 中双list数据复制问题

文章介绍了在Java中如何正确处理包含bean数据类型的列表复制,以及使用CloneObjectUtils类进行对象序列化以实现深层次数据的独立复制。作者强调了当处理复杂数据结构时,避免数据共享的重要性。
摘要由CSDN通过智能技术生成

1、基本类型的数据 没有hashcode 直接add
2、包含bean数据类型的list 间相互复制
不管是addall 还是 add
如:
list1.add(list2.get(1));
如果数据类型包含bean, debug会发现数据其实指向是一样的
当list2中数据修改时,list1中的数据同样被修改
此时正确的做法应该是再写一个copy方法
Bean data = new Bean();
data.setName(list2.get(i).getName());
基础数据的复制可以正常set就行,如果是复制的数据类型,则需要继续new 子类

3、把数据写入内存中再读出来,下面时网上的方法,bean对象继承Serializable

package com.example.chanp.testannotation.util;
 
import java.io.ByteArrayInputStream;
import java.io.ByteArrayOutputStream;
import java.io.IOException;
import java.io.ObjectInputStream;
import java.io.ObjectOutputStream;
 
/**
 * Created by sjx on 2019/6/27.
 */
 
public class CloneObjectUtils {
 
    public static <T> T cloneObject(T obj) {
        T result = null;
        ByteArrayOutputStream byteArrayOutputStream = null;
        ByteArrayInputStream byteArrayInputStream = null;
        ObjectOutputStream outputStream = null;
        ObjectInputStream inputStream = null;
        try {
            //对象写到内存中
            byteArrayOutputStream = new ByteArrayOutputStream();
            outputStream = new ObjectOutputStream(byteArrayOutputStream);
            outputStream.writeObject(obj);
 
            //从内存中再读出来
            byteArrayInputStream = new ByteArrayInputStream(byteArrayOutputStream.toByteArray());
            inputStream = new ObjectInputStream(byteArrayInputStream);
            result = (T) inputStream.readObject();
 
        } catch (IOException e) {
            e.printStackTrace();
        } catch (ClassNotFoundException e) {
            e.printStackTrace();
        } finally {
            try {
                if (outputStream != null)
                    outputStream.close();
                if (inputStream != null)
                    inputStream.close();
                if (byteArrayOutputStream != null)
                    byteArrayOutputStream.close();
                if (byteArrayInputStream != null)
                    byteArrayInputStream.close();
 
            } catch (IOException e) {
                e.printStackTrace();
            }
        }
        return result;
    }
}

调用:Bean bean = CloneObjectUtils.cloneObject(list1.get(0));
--------------------->>>>>>>>>>>>>>>>>
2023/08/28 by dpl

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
你可以使用以下步骤将鸢尾花数据集导入到 Android Studio 中: 1. 下载鸢尾花数据集,保存为一个 CSV 文件。 2. 在 Android Studio 中创建一个新的 Android 项目。 3. 将 CSV 文件复制到项目的“assets”文件夹中。如果该文件夹不存在,则需要创建它。 4. 在项目的“app”文件夹中创建一个名为“lib”的新文件夹。 5. 在“lib”文件夹中创建一个名为“weka.jar”的新文件夹,并将 Weka 库的 JAR 文件复制到该文件夹中。 6. 在项目的“app”文件夹中创建一个名为“jniLibs”的新文件夹。 7. 将 Weka 库的本机库文件(.so 文件)复制到“jniLibs”文件夹中。你需要将库文件复制到每个可用的 CPU 架构文件夹中,例如“armeabi-v7a”和“arm64-v8a”。 8. 在项目的“app”文件夹中创建一个名为“src/main/java/[your_package_name]/weka” 的新文件夹。 9. 创建一个名为“WekaHelper.java”的新 Java 类,并将以下代码添加到该类中: ``` package [your_package_name].weka; import java.io.BufferedReader; import java.io.IOException; import java.io.InputStream; import java.io.InputStreamReader; import java.util.ArrayList; import java.util.List; import weka.classifiers.Classifier; import weka.classifiers.Evaluation; import weka.classifiers.functions.MultilayerPerceptron; import weka.core.Attribute; import weka.core.DenseInstance; import weka.core.Instance; import weka.core.Instances; public class WekaHelper { private static final String CSV_FILENAME = "iris.csv"; private static final String MODEL_FILENAME = "iris.model"; private static Classifier sClassifier; public static void train() { try { Instances instances = loadCsvFromAssets(); instances.setClassIndex(instances.numAttributes() - 1); MultilayerPerceptron classifier = new MultilayerPerceptron(); classifier.buildClassifier(instances); Evaluation evaluation = new Evaluation(instances); evaluation.evaluateModel(classifier, instances); sClassifier = classifier; WekaSerializer.serialize(sClassifier, MODEL_FILENAME); } catch (Exception e) { e.printStackTrace(); } } public static String predict(double sepalLength, double sepalWidth, double petalLength, double petalWidth) { if (sClassifier == null) { sClassifier = WekaSerializer.deserialize(MODEL_FILENAME); } Instance instance = new DenseInstance(4); instance.setValue(0, sepalLength); instance.setValue(1, sepalWidth); instance.setValue(2, petalLength); instance.setValue(3, petalWidth); instance.setDataset(sClassifier.getInstances()); try { double result = sClassifier.classifyInstance(instance); return sClassifier.getInstances().classAttribute().value((int) result); } catch (Exception e) { e.printStackTrace(); return null; } } private static Instances loadCsvFromAssets() throws IOException { InputStream inputStream = App.getInstance().getAssets().open(CSV_FILENAME); BufferedReader reader = new BufferedReader(new InputStreamReader(inputStream)); List<Attribute> attributes = new ArrayList<>(); attributes.add(new Attribute("sepal_length")); attributes.add(new Attribute("sepal_width")); attributes.add(new Attribute("petal_length")); attributes.add(new Attribute("petal_width")); attributes.add(new Attribute("class", new ArrayList<String>() {{ add("Iris-setosa"); add("Iris-versicolor"); add("Iris-virginica"); }})); Instances instances = new Instances("iris", attributes, 0); String line; while ((line = reader.readLine()) != null) { String[] values = line.split(","); double[] data = new double[5]; for (int i = 0; i < 4; i++) { data[i] = Double.parseDouble(values[i]); } data[4] = attributes.get(4).indexOfValue(values[4]); instances.add(new DenseInstance(1.0, data)); } return instances; } } ``` 10. 在你的主活动中,调用以下代码来训练模型并进行预测: ``` WekaHelper.train(); String prediction = WekaHelper.predict(5.1, 3.5, 1.4, 0.2); ``` 以上代码将使用鸢尾花数据集训练一个多层感知器模型,并使用该模型预测给定鸢尾花的品种。你可以根据需要更改输入参数以进行不同的预测。
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