java集合

Java 集合
会自动扩容
ArrayList
优点:底层使用数组储存,连续 遍历元素和随机访问效率高,
缺点:添加和删除效率低

建一个学生类
package com.sxt.array;

public class Student {
private String name;
private int age;
public Student(String name, int age) {
super();
this.name = name;
this.age = age;
}
@Override
public String toString() {
// TODO Auto-generated method stub
return “名字:”+name+” 年龄:”+age;
}
@Override
public boolean equals(Object obj) {
if(obj==null)return false;
if(obj instanceof Student){
Student s = (Student)obj;
return this.name.equals(s.name)&&this.age==s.age;
//这里也可以换成 return this.toString().equals(obj.toString());
因为已经从写了toString方法
}
return super.equals(obj);

}
写测试类
package com.sxt.array;

import java.util.ArrayList;
import java.util.Iterator;
import java.util.List;

public class Array {

public static void main(String[] args) {
   List list =new ArrayList();
   list.add(new Student("张三",18));//使用add方法添加人
   list.add(new Student("李四",20));
   list.add(new Student("刘伟",22));
   list.add(new Student("张强",19));
   //增强for循环
   for(Object s:list){
       System.out.println(s);
   }
   System.out.println("=============");
 //使用删除方法,删除第一个人
   list.remove(0); 
   //迭代器
   Iterator iterator = list.iterator();
   while(iterator.hasNext()){
       System.out.println(iterator.next());   
   }
   System.out.println("=========");
  //把第一位学生换成赵帅
   list.set(0, new Student("赵帅",20));
   //查找学生刘伟是否在班级中   注意,这里要从写equals方法、否则结果不对
   boolean a=list.contains(new Student("刘伟",22));
   System.out.println(a);
   print(list);
   //删除所有学生
   list.clear();
   print(list);
   System.out.println("hello");
}
private static void print(List list) {
    for(int i=0;i<list.size();i++){
        Student s = (Student) list.get(i);
        System.out.println(s);
    }
}
}
名字:张三 年龄:18

名字:李四 年龄:20
名字:刘伟 年龄:22

名字:张强 年龄:19

名字:李四 年龄:20
名字:刘伟 年龄:22

名字:张强 年龄:19

true
名字:赵帅 年龄:20
名字:刘伟 年龄:22
名字:张强 年龄:19
hello

LinkedList
底层用链表储存,不连续,
优点:插入和删除效率高,
缺点:便利和随机访问元素效率低下
新建学生类
package com.sxt.list;

public class Student {
private String name ;
private int age;
public Student(String name, int age) {
super();
this.name = name;
this.age = age;
}
@Override
public String toString() {

    return "名字:"+name+" 年龄:"+age;
}
@Override
public boolean equals(Object obj) {
   if(obj==null)return false;
   if(obj instanceof Student){
      Student s=(Student)obj;
      return this.toString().equals(s.toString());
   }
    return false;
}

}
测试
package com.sxt.demo1;

import java.util.ArrayList;
import java.util.Iterator;
import java.util.LinkedList;
import java.util.List;

import com.sxt.list.Student;

public class Demo {

public static void main(String[] args) {
    List list=new LinkedList<>();
    list.add(new Student("张三",19));
    list.add(new Student("刘强",20));
    list.add(new Student("赵帅",23));
    list.add(new Student("宋刚",18));
    list.add(new Student("刘凯",22));

    List temp=new ArrayList<>();
    temp.add(new Student("刘强",20));
    temp.add(new Student("赵帅",23));
    temp.add(new Student("宋刚",18));
    temp.add(new Student("李伟",19));
    List temp1 = new ArrayList<>();
    temp1.add(new Student("赵帅",23));
    temp1.add(new Student("宋刚",18));
    //是否包含指定元素
    System.out.println(list.contains(new Student("abc",20)));
    //包含所有元素
    System.out.println(list.containsAll(temp1));
    //指定位置添加  黄琪
    list.set(2, new Student("黄琪",20));
    Iterator iterator = list.iterator();//迭代器
    while(iterator.hasNext()){
        System.out.println(iterator.next());
    }


    System.out.println("=========");
    //删除一样的部分、、也必须从写equals方法,否则结果有误
    list.removeAll(temp);
    print(list);
}

private static void print(List list) {
    for(int i=0;i<list.size();i++){
        System.out.println(list.get(i));
    }
}

}

基于html+python+Apriori 算法、SVD(奇异值分解)的电影推荐算法+源码+项目文档+算法解析+数据集,适合毕业设计、课程设计、项目开发。项目源码已经过严格测试,可以放心参考并在此基础上延申使用,详情见md文档 电影推荐算法:Apriori 算法、SVD(奇异值分解)推荐算法 电影、用户可视化 电影、用户管理 数据统计 SVD 推荐 根据电影打分进行推荐 使用 svd 模型计算用户对未评分的电影打分,返回前 n 个打分最高的电影作为推荐结果 n = 30 for now 使用相似电影进行推荐 根据用户最喜欢的前 K 部电影,分别计算这 K 部电影的相似电影 n 部,返回 K*n 部电影进行推荐 K = 10 and n = 5 for now 根据相似用户进行推荐 获取相似用户 K 个,分别取这 K 个用户的最喜爱电影 n 部,返回 K*n 部电影进行推荐 K = 10 and n = 5 for now Redis 使用 Redis 做页面访问次数统计 缓存相似电影 在使用相似电影推荐的方式时,每次请求大概需要 6.6s(需要遍历计算与所有电影的相似度)。 将相似电影存储至 redis 中(仅存储 movie_id,拿到 movie_id 后还是从 mysql 中获取电影详细信息), 时间缩短至:93ms。 十部电影,每部存 top 5 similar movie 登录了 1-6 user并使用了推荐系统,redis 中新增了 50 部电影的 similar movie,也就是说,系统只为 6 为用户计算了共 60 部电影的相似度,其中就有10 部重复电影。 热点电影重复度还是比较高的
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