c++11学习笔记之智能指针

【说明】

智能指针用于动态内存管理。由于显式的new和delete需要人工维护,很容易产生内存泄漏和错误释放。

所以c++标准库引进了智能指针来管理动态内存。

智能指针内部是采用计数器来处理引用数量,每增加一个引用,内部计数器会+1,减少一个引用会-1,当引用为0,就会释放对象的内存了。


【使用】

使用之前需要包含头文件:

#include <memory>


常用操作:

shared_ptr<T> sp:空智能指针。
make_shared<T>(args):返回一个智能指针,通过args初始化T对象。
shared_ptr<T>p(new T):构建一个智能指针,通过new T初始化。
p.unique():是否只有一个引用。
p.use_count():智能指针的引用数量。
p.reset():释放对所指对象的引用。
p.rest(q):释放引用,并指向另外对象。
*p:解引为所指目标对象。
p->:调用所指目标对象的方法。


首先看一个最简单的例子:

shared_ptr<string> p1 = make_shared<string>("hello");//使用make_shared构造
	shared_ptr<list<int>> p2(new list<int>({1,2,3}));//使用new构造。
	cout << *p1 << endl;
	cout << p2->front() << endl;
如上通过两种方式创建智能指针,然后使用也非常简单。


然后是一个复杂的例子:

//一个简单的类
class MyClass
{
public:
	MyClass() = default;//默认构造函数有编译器生成
	MyClass(string name, int sex) :name(name), sex(sex){};

	string name = "";
	int sex = 1;
};

//构建MyClass的智能指针
shared_ptr<MyClass> buildMyClass(string name, int sex)
{
	return make_shared<MyClass>(name, sex);
}

//使用指针测试
shared_ptr<MyClass> useMyClassShared()
{
	auto p1 = buildMyClass("cx", 1);
	cout << p1.use_count() << endl;//输出引用数量
	auto p2 = p1;
	p1->name = "abc";//修改数据
	cout << p2->name << endl;
	cout << p1.use_count() << endl;//输出引用数量
	p1.reset();//释放这个引用
	cout << p1.use_count() << endl;
	cout << p2.use_count() << endl;
	return p1;
}

这里我们的p1和p2确实都指向了同一个内存空间,然后输出是改变后的名字“abc"。中间可以看到引用数量的改变。


成都市作为中国西部地区具有战略地位的核心都市,其人口的空间分布状况对于城市规划、社会经济发展及公共资源配置等研究具有基础性数据价值。本文聚焦于2019年度成都市人口分布的空间数据集,该数据以矢量格式存储,属于地理信息系统中常用的数据交换形式。以下将对数据集内容及其相关技术要点进行系统阐述。 Shapefile 是一种由 Esri 公司提出的开放型地理空间数据格式,用于记录点、线、面等几何要素。该格式通常由一组相互关联的文件构成,主要包括存储几何信息的 SHP 文件、记录属性信息的 DBF 文件、定义坐标系统的 PRJ 文件以及提供快速检索功能的 SHX 文件。 1. **DBF 文件**:该文件以 dBase 表格形式保存与各地理要素相关联的属性信息,例如各区域的人口统计数值、行政区划名称及编码等。这类表格结构便于在各类 GIS 平台中进行查询与编辑。 2. **PRJ 文件**:此文件明确了数据所采用的空间参考系统。本数据集基于 WGS84 地理坐标系,该坐标系在全球范围内广泛应用于定位与空间分析,有助于实现跨区域数据的准确整合。 3. **SHP 文件**:该文件存储成都市各区(县)的几何边界,以多边形要素表示。每个多边形均配有唯一标识符,可与属性表中的相应记录关联,实现空间数据与统计数据的联结。 4. **SHX 文件**:作为形状索引文件,它提升了在大型数据集中定位特定几何对象的效率,支持快速读取与显示。 基于上述数据,可开展以下几类空间分析: - **人口密度评估**:结合各区域面积与对应人口数,计算并比较人口密度,识别高密度与低密度区域。 - **空间集聚识别**:运用热点分析(如 Getis-Ord Gi* 统计)或聚类算法(如 DBSCAN),探测人口在空间上的聚集特征。 - **空间相关性检验**:通过莫兰指数等空间自相关方法,分析人口分布是否呈现显著的空间关联模式。 - **多要素叠加分析**:将人口分布数据与地形、交通网络、环境指标等其他地理图层进行叠加,探究自然与人文因素对人口布局的影响机制。 2019 年成都市人口空间数据集为深入解析城市人口格局、优化国土空间规划及完善公共服务体系提供了重要的数据基础。借助地理信息系统工具,可开展多尺度、多维度的定量分析,从而为城市管理与学术研究提供科学依据。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
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