View的测量

将自定义View的基本知识记录下来,供以后查看吧


    MeasureSpec是一个32位的int值,其中高2位为测量模式,低30位为测量的大小,在计算中使用位运算的原因是为了提高并优化效率。

    测量模式可以分为三种:

    EXACTLY

   精确值模式,即给控件layout_width或layout_height属性指定具体数值,或指定为match_parent

    AT_MOST

   最大值模式,当控件的layout_width或layout_height属性指定为wrap_content时,控件大小一般随着控件的子控件或内容的变化而变化,此时控件的尺寸只要不超过父控件允许的最大尺寸即可。

    UNSPECIFIED

    不指定其大小测量模式,通常绘制定义View才会使用。


    View类默认的onMeasure()方法只支持Exactly模式,要让View支持wrap_content属性,必须重写onMeasure()方法来指定wrap_content的大小。onMeasure()方法最终是将宽高作为参数传给setMeasureDimension()方法,以下为自定义测量的方法,如果给wrap_content就会默认给200px。

@Override
protected void onMeasure(int widthMeasureSpec,int heightMeasureSpec){
    setMeasureDimension(measureWidth(widthMeasureSpec),measureHeight(heightMeasureSpec));
}

private measureWidth(int measureSpec){
    int result=0;
    int specMode=MeasureSpec.getMode(measureSpec);
    int specSize=MeasureSpec.getSize(measureSpec);

    if(spacMoed==MeasureSpac.EXAXTLY){
        result=specSize;
    }else{
        result=200;
        if(specMode==MeasureSpec.AT_MOST){
            result=Math.min(result,specSize);
        }    
    }
    return reslut;
}


内容概要:本文深入探讨了多种高级格兰杰因果检验方法,包括非线性格兰杰因果检验、分位数格兰杰因果检验、混频格兰杰因果检验以及频域因果检验。每种方法都有其独特之处,适用于不同类型的时间序列数据。非线性格兰杰因果检验分为非参数方法、双变量和多元检验,能够在不假设数据分布的情况下处理复杂的关系。分位数格兰杰因果检验则关注不同分位数下的因果关系,尤其适合经济数据的研究。混频格兰杰因果检验解决了不同频率数据之间的因果关系分析问题,而频域因果检验则专注于不同频率成分下的因果关系。文中还提供了具体的Python和R代码示例,帮助读者理解和应用这些方法。 适合人群:从事时间序列分析、经济学、金融学等领域研究的专业人士,尤其是对非线性因果关系感兴趣的学者和技术人员。 使用场景及目标:①研究复杂非线性时间序列数据中的因果关系;②分析不同分位数下的经济变量因果关系;③处理不同频率数据的因果关系;④识别特定频率成分下的因果关系。通过这些方法,研究人员可以获得更全面、细致的因果关系洞察。 阅读建议:由于涉及较多数学公式和编程代码,建议读者具备一定的统计学和编程基础,特别是对时间序列分析有一定了解。同时,建议结合具体案例进行实践操作,以便更好地掌握这些方法的实际应用。
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