self.xx 与 _xx的区别

最新推荐文章于 2022-07-12 20:26:14 发布

Rocco

最新推荐文章于 2022-07-12 20:26:14 发布

阅读量1.2k

点赞数

CC 4.0 BY-SA版权

分类专栏： IOS

本文链接：https://blog.youkuaiyun.com/wwf0123/article/details/50285329

IOS 专栏收录该内容

19 篇文章

订阅专栏

本文深入探讨了在编程中使用self.xx与_xx的区别，详细解释了对象引用、内存分配与释放的过程，包括retainCount的概念及其实现细节。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

self.xx 是对类的属性访问，会调用getter、setter方法。 _xx 是对局部变量的操作。

_xx 的操作一般用在gettern、setter方法的内部。

在赋值时：

执行 self.xx = OO

     实际上会先调用xx release 就会执行
retainCount - 1 一次，然后赋值给它，即retain OO。

执行 _xx = OO

     赋值直接指向 OO ,不存在 retain 这不操作，也就是说之前没有release 这步。 

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

Rocco

关注关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

专栏目录

self.xxx 和 _xx 的区别

建古的编码生活

12-01

1114

在项目开发中实际应用到的在赋值和取值的时候不懂self.xx 和 _xx的区别，使用起来貌似差不多！不过有这样的出来还是有差别 self.xx 调用了该类的setter和getter方法； _xx 直接获取自己的实例变量。@property (nonatomic,copy) NSString *userName; self.userName是对属性的访问， _userName是对局部变量的

property之 self.xx与_xx的区别

plpldog的博客

08-24

613

关于self.xx和_xx, 是同一个指针,只是前者调用该类的setter或getter方法，后者直接获取自己的实例变量。即这个问题也就演变成了属性(property)和实例变量(instance variable)的区别了。直接区别: 通过setter和getter方法和通过实例变量的区别 OC 2.0之后属性一旦声明，如果没有readonly修饰的话，当前类自动生成了setter和g...

参与评论您还未登录，请先登录后发表或查看评论

self.xx与_xx区别

延成的博客

07-11

365

self.x和_x区别

iOS&Android开发

03-18

3627

1.self.xxx 实际是包含了属性生成器的setter和getter方法。_x是获取自己的实例变量，不包含set和get的方法。 2.所有被声明为属性的成员，再ios5之前需要使用编译指令@synthesize 来告诉编译器帮助生成属性的getter和setter方法，之后这个指令可以不用认为的指定了，默认情况下编译器会帮助我们生成，iOS5后使用属性直接使用self.x即可。self.x里

self.xx 与_xx 要牢记

sadlike的专栏

11-01

624

关于什么时间用self. , 其实是和Obj-c的存取方法有关, 不过网上很多人也都这么解答的, 那它为什么和存取方法有关? 怎么有关的? 并没有多少人回答出来. 同时关于内存管理的内容, 请大家看旺财勇士的Objective-C内存管理总结～CC专版 , 有些东西我就不多解释了. 进入正题, 我们经常会在官方文档里看到这样的代码: MyClass.h @interface MyCl

SeDiv 52xx_/www.52xx.com/_://www.52xx.com_xx27_//www.52xx.com_ww

10-02

1. **硬盘检测**：软件能够检查硬盘的健康状态，通过自检和SMART（Self-Monitoring, Analysis, and Reporting Technology）技术来监测硬盘的各项指标，如温度、错误率等，及时发现潜在问题。 2. **性能优化**：...

xxyyzz77ww.zip_WW2.ww77_com77WW

09-24

super().__init__(attr1) self.attr2 = attr2 def derived_method(self): print(f"This is a method from the DerivedClass with attr2: {self.attr2}") ``` 在这个例子中，`DerivedClass`继承自`BaseClass`，...

def query_ntc(self): mask, self._d_xyz, self._d_rot = self.ntc(self._xyz) self._new_xyz = self._d_xyz + self._xyz self._new_rot = self.rotation_compose(self._rotation, self._d_rot) if self._rotate_sh == True: self._new_feature = torch.cat((self._features_dc, self._features_rest), dim=1) # [N, SHs, RGB] # self._d_rot_matrix=build_rotation(self._d_rot) # self._new_feature[mask][:,1:4,0] = rotate_sh_by_matrix(self._features_rest[mask][...,0],1,self._d_rot_matrix[mask]) # self._new_feature[mask][:,1:4,1] = rotate_sh_by_matrix(self._features_rest[mask][...,1],1,self._d_rot_matrix[mask]) # self._new_feature[mask][:,1:4,2] = rotate_sh_by_matrix(self._features_rest[mask][...,2],1,self._d_rot_matrix[mask]) # This is a bit faster... permuted_feature = self._new_feature.permute(0, 2, 1)[mask] # [N, RGB, SHs] reshaped_feature = permuted_feature.reshape(-1,4) repeated_quat = self.rotation_activation(self._d_rot[mask]).repeat(3, 1) rotated_reshaped_feature = rotate_sh_by_quaternion(sh=reshaped_feature[...,1:],l=1,q=repeated_quat) # [3N, SHs(l=1)] rotated_permuted_feature = rotated_reshaped_feature.reshape(-1,3,3) # [N, RGB, SHs(l=1)] self._new_feature[mask][:,1:4]=rotated_permuted_feature.permute(0,2,1)

热门推荐

wukai_std的博客

02-10

1万+

_xx 单下划线开头Python中没有真正的私有属性或方法,可以在你想声明为私有的方法和属性前加上单下划线,以提示该属性和方法不应在外部调用.如果真的调用了也不会出错,但不符合规范.#! /usr/bin/pythondef singleton(cls): _instance = {} # 不建议外部调用 def _singleton(*args, **kar

Python中常用符号释义

wanlinBee的博客

03-15

267

传送门！d=====(￣▽￣*)b Python 各种下划线都是啥意思_、xx、xx、__xx、xx、classname - 学习python的正确姿势的文章 - 知乎 https://zhuanlan.zhihu.com/p/105783765

Ubuntu中脚本命令执行. xx和./xx的区别

愷风（Wei）的专栏

03-30

3420

今天继续在看Building Linux Embedded Systems一书，进入第四章，有一些实际的操作，其中在介绍了良好的组织架构（文件夹）后，建议些一个script可以进行不同的开发环境。里面很简单，包括一个export和cd的命令，这个脚本假设为export PROJECT=/home/aaa/project1cd $PROJECT并取名字为 test我执行$ ./te

linux下./xx做了什么？

huibin.yun的博客

01-06

1655

一直都很好奇linux下./xx程序怎么执行起来的？昨晚有个小伙伴简单分享了下，有了一个不成熟的认识：在linux的shell中输入./可执行程序后，shell会fork出一个子进程来处理，比如开辟进程栈（进程的主线程栈），然后进行一系列准备，然后才会运行你的程序。原来进程栈（进程的主线程栈）是映射到进程虚拟地址空间的栈区，而通过pthread_create创建的普通线程的线程栈是glibc从堆里分配的空间映射到进程虚拟地址空间的堆区的！不是栈区！这就是进程栈和线程栈区别，或者说主线程与普通线程的栈区

十六、xx.xx.xx格式版本号大小比较

weixin_30278311的博客

04-09

1761

DELIMITER $$ USE `deshangshidai`$$ DROP FUNCTION IF EXISTS `STRCMP_MY_VERSION`$$ CREATE DEFINER=`root`@`%` FUNCTION `STRCMP_MY_VERSION`(_x VARCHAR(20), _y VARCHAR(20)) RETURNS INT(11) BEGI...

【pytorch源码赏析】nn.XX VS nn.functional.XX

Duino的工具箱

08-02

5017

pytorch源码赏析

#!/usr/bin/env python # -*- coding: utf-8 -*- # 添加这一行 import rospy import matplotlib.pyplot as plt from nav_msgs.msg import OccupancyGrid, Odometry from matplotlib.animation import FuncAnimation class TrajectoryPlotter: def __init__(self): self.fig, self.ax = plt.subplots() self.map_data = None self.traj_x, self.traj_y = [], [] self.current_pose = None # ROS初始化 rospy.init_node('trajectory_visualizer') self.map_sub = rospy.Subscriber('/map', OccupancyGrid, self.map_cb) self.odom_sub = rospy.Subscriber('/odom', Odometry, self.odom_cb) # 设置动画更新 self.ani = FuncAnimation(self.fig, self.update_plot, interval=200) def map_cb(self, msg): """ 地图数据处理 """ self.map_data = { 'resolution': msg.info.resolution, 'width': msg.info.width, 'height': msg.info.height, 'origin': msg.info.origin, 'data': msg.data } self.plot_map() def odom_cb(self, msg): """ 里程计数据处理 """ self.current_pose = msg.pose.pose # 坐标转换（假设map和odom坐标系对齐） self.traj_x.append(msg.pose.pose.position.x) self.traj_y.append(msg.pose.pose.position.y) def plot_map(self): """ 绘制静态地图 """ if not self.map_data: return # 创建网格坐标系 grid = [[0]*self.map_data['width'] for _ in range(self.map_data['height'])] for i in range(self.map_data['height']): for j in range(self.map_data['width']): grid[i][j] = self.map_data['data'][i*self.map_data['width']+j] # 转换为物理坐标系 origin_x = self.map_data['origin'].position.x origin_y = self.map_data['origin'].position.y self.ax.imshow(grid, cmap='gray', origin='lower', extent=[origin_x, origin_x + self.map_data['width']*self.map_data['resolution'], origin_y, origin_y + self.map_data['height']*self.map_data['resolution']]) def update_plot(self, frame): """ 动态更新轨迹 """ if self.current_pose: self.ax.plot(self.traj_x, self.traj_y, 'r-', linewidth=2) self.ax.plot(self.traj_x[-1], self.traj_y[-1], 'bo', markersize=8) self.ax.set_xlabel('X (m)') self.ax.set_ylabel('Y (m)') self.ax.set_title('Real-time Trajectory') plt.draw() if __name__ == '__main__': tp = TrajectoryPlotter() plt.show()这个代码可以加一个轨迹长度的显示吗

03-08

<think>嗯，用户希望在这个已有的Python代码中添加轨迹长度的显示。我需要先理解现有代码的结构和功能。看起来这是一个ROS节点，用于可视化机器人的轨迹和地图。代码订阅了/map和/odom话题，分别处理地图和里程计数据，然后使用matplotlib动态绘制轨迹。用户的需求是增加显示轨迹长度。那我需要考虑几个方面：首先，如何计算轨迹的长度；其次，如何在图形界面中实时显示这个数值。现有代码中，轨迹点存储在self.traj_x和self.traj_y列表里。轨迹长度应该是所有连续点之间距离的累加。每次新的odom数据到来时，添加新点后，计算当前点与上一个点的距离，并累加到总长度中。这样就需要一个变量，比如self.traj_length，来保存累计的距离。然后，显示部分。matplotlib中可以使用text或者annotate来在图上添加文本。在update_plot函数里，每次更新时，清除之前的文本，重新绘制最新的长度值，这样可以避免文字重叠。或者，可以将文本对象保存下来，每次更新其内容，这样效率更高。另外，需要注意坐标转换是否正确，因为地图的原点可能和odom的坐标系不一致。但用户代码中的注释提到假设map和odom坐标系对齐，所以暂时不需要处理坐标转换问题。还要考虑性能问题，如果轨迹点很多，计算距离可能会影响实时性。但一般来说，这种应用对实时性要求不是特别高，应该可以接受。步骤大概如下： 1. 在__init__方法中添加self.traj_length = 0.0变量。 2. 在odom_cb回调中，当有新的位置点时，计算与前一点的距离，并累加到self.traj_length。需要判断列表长度是否大于1，如果是，取最后两个点计算距离。 3. 在update_plot函数中，添加文本显示self.traj_length的值，保留两位小数。 4. 可能需要调整文本的位置，确保不会遮挡地图或轨迹。测试的时候要注意，当轨迹点越来越多时，计算是否正确，文本是否实时更新，以及是否存在内存泄漏或性能问题。例如，在odom_cb中，每次收到新点后，如果traj_x的长度大于1，则计算最后两个点之间的距离。使用欧几里得距离公式：sqrt((x2-x1)^2 + (y2-y1)^2)。然后将这个距离加到self.traj_length上。在绘图的时候，使用self.ax.text()将长度显示在图的某个角落，比如右上角。设置背景颜色，让文字更清晰。同时，每次更新时，先清除之前的文本，或者更新现有文本对象的内容。为了优化，可以创建一个text对象，并在初始化时保存它，之后只更新其文本内容。另外，需要考虑单位，这里odom的位置单位应该是米，所以长度也是米，直接显示即可。现在，把这些步骤转化成代码。在odom_cb中添加计算逻辑，在update_plot中添加文本显示。可能需要处理初始情况，比如当只有一个点时，还没有距离可以计算，此时长度为0。最后，测试代码，确保轨迹长度正确累加，并且显示正确更新。</think>可以添加轨迹长度显示。以下是修改后的代码（关键修改部分已标注）： ```python #!/usr/bin/env python # -*- coding: utf-8 -*- import rospy import matplotlib.pyplot as plt from nav_msgs.msg import OccupancyGrid, Odometry from matplotlib.animation import FuncAnimation import math # 添加数学库 class TrajectoryPlotter: def __init__(self): self.fig, self.ax = plt.subplots() self.map_data = None self.traj_x, self.traj_y = [], [] self.current_pose = None self.traj_length = 0.0 # 新增轨迹长度变量 # ROS初始化 rospy.init_node('trajectory_visualizer') self.map_sub = rospy.Subscriber('/map', OccupancyGrid, self.map_cb) self.odom_sub = rospy.Subscriber('/odom', Odometry, self.odom_cb) # 初始化文本对象 self.length_text = self.ax.text(0.05, 0.95, '', transform=self.ax.transAxes, bbox=dict(facecolor='white', alpha=0.8)) # 新增文本框 self.ani = FuncAnimation(self.fig, self.update_plot, interval=200) # ... 保持原有 map_cb 和 plot_map 不变 ... def odom_cb(self, msg): """ 里程计数据处理 """ self.current_pose = msg.pose.pose x = msg.pose.pose.position.x y = msg.pose.pose.position.y # 计算轨迹长度 if len(self.traj_x) > 0: # 当有历史点时计算距离 dx = x - self.traj_x[-1] dy = y - self.traj_y[-1] self.traj_length += math.hypot(dx, dy) # 累加欧式距离 self.traj_x.append(x) self.traj_y.append(y) def update_plot(self, frame): """ 动态更新轨迹 """ if self.current_pose: # 更新轨迹绘图 self.ax.plot(self.traj_x, self.traj_y, 'r-', linewidth=2) self.ax.plot(self.traj_x[-1], self.traj_y[-1], 'bo', markersize=8) # 更新轨迹长度显示（保留两位小数） self.length_text.set_text(f'Trajectory Length: {self.traj_length:.2f} m') # 更新文本内容 # 设置坐标轴和标题 self.ax.set_xlabel('X (m)') self.ax.set_ylabel('Y (m)') self.ax.set_title('Real-time Trajectory') plt.draw() if __name__ == '__main__': tp = TrajectoryPlotter() plt.show() ``` 主要修改说明（使用Markdown表格展示）： | 修改部分 | 说明 | |-------------------------|----------------------------------------------------------------------| | 添加math库 | 用于计算欧式距离 | | 新增self.traj_length | 存储累计轨迹长度 | | 初始化文本对象 | 在图像右上角创建白色背景的文本框 | | odom_cb添加长度计算逻辑 | 每次收到新坐标时，计算与前一点的距离并累加 | | update_plot更新文本显示 | 动态显示最新轨迹长度，格式为"Trajectory Length: X.XX m" | 最终效果： - 界面右上角会实时显示当前轨迹总长度 - 长度数值每200ms更新一次（与动画刷新率同步） - 数值保留两位小数，单位为米 - 文本框带白色半透明背景，保证可读性