代码中变量的重要性

简介: 代码中变量的重要性

背景


最近一段时间一直在学习面向对象的思想,而面向对象中的抽象这件事情是一个比较有想象力的事情,把没有的看成有,把有的看成没有的。这是一个需要深入思考的事情,然后是落实到代码上的事情就出现了变量的重要性,我们程序中经常使用的变量,那这个变量的重要体现在哪里呢?看下面的对比。


具体的实施与思想的上移


版本一

Private Sub cmdResult_Click()
print 5+6; 
End Sub


版本二

Private Sub cmdCount_Click()
Dim a As Integer
Dim b As Integer
a = 4
b = 5
Print a + b;
End Sub

可以看到对比两个版本最后输出的结果都是9,但是仔细去看print这个方法输出值的时候版本一和版本二后面跟的参数是不一样的,版本一的print后面跟的是4+5这个参数,这么做会导致什么呢?会导致在每次使用这个方法的时候输出的参数都是9,是固定不变的。但是在版本二中的print后面跟的是a+b,那这里就引入了变量的使用了,那么这里(版本二)输出的print参数是一个未知内容,这里就出现了变化。

如果只是看引入了变量这么简单那就没有必要写这篇博客了,而是通过这个变量要看到,变量的背后是无限的可能,因为你变量变量对应上了这个“变”字了,它的内容千变万化。而且也因为变量的原因这个打印参数两数相加的这个方法也是可以复用了,因为只要你给它的变量传入不同的参数结果是不一样的。

相关文章
|
14天前
|
API PHP 开发者
别再混淆 PHP8.1 中纤程 Fibers 和协程 Coroutines 了 一文搞懂它们的区别
协程是可暂停的函数,PHP通过yield实现;Fibers是PHP 8.1+的轻量执行单元,可手动控制执行流程。协程适用于异步I/O,Fibers更灵活,为异步框架提供底层支持,让PHP能写出同步风格的异步代码,提升并发性能。(239字)
301 5
|
5月前
|
人工智能 小程序 API
【一步步开发AI运动APP】九、自定义姿态动作识别检测——之关键点追踪
本文介绍了【一步步开发AI运动APP】系列中的关键点追踪技术。此前分享的系列博文助力开发者打造了多种AI健身场景的小程序,而新系列将聚焦性能更优的AI运动APP开发。文章重点讲解了“关键点位变化追踪”能力,适用于动态运动(如跳跃)分析,弥补了静态姿态检测的不足。通过`pose-calc`插件,开发者可设置关键点(如鼻子)、追踪方向(X或Y轴)及变化幅度。示例代码展示了如何在`uni-app`框架中使用`createPointTracker`实现关键点追踪,并结合人体识别结果完成动态分析。具体实现可参考文档与Demo示例。
|
Java Maven
改造升级autoPOI以满足poi5.0.0及以上版本
改造升级autoPOI以满足poi5.0.0及以上版本
326 0
|
11月前
|
机器学习/深度学习 人工智能 自然语言处理
大模型强崩溃!Meta新作:合成数据有剧毒,1%即成LLM杀手
在人工智能领域,大型语言模型(LLMs)的快速发展令人瞩目,但递归生成数据可能导致“模型崩溃”。Meta的研究揭示,模型在训练过程中会逐渐遗忘低概率事件,导致数据分布偏差。即使少量合成数据(如1%)也会显著影响模型性能,最终导致崩溃。研究强调保留原始数据的重要性,并提出社区合作和技术手段来区分合成数据和真实数据。论文地址:https://www.nature.com/articles/s41586-024-07566-y
336 2
|
数据采集
爬虫抓取数据过程中代理IP频繁掉线:以Kookeey为例的解决方案
在数据抓取过程中,代理IP不可或缺,但其频繁掉线问题严重影响效率。本文以Kookeey为例,探讨解决之道:1)深入理解掉线原因,审慎选择稳定的服务商; 2)保持代理IP更新并合理配置使用参数; 3)在程序中集成错误处理与重试逻辑; 4)必要时升级至更优质的服务; 5)主动与服务商沟通寻求支持; 6)探索替代抓取策略,如调整抓取节奏或采用分布式架构。这些措施有助于显著提升抓取成功率及稳定性。
|
机器学习/深度学习 算法 数据中心
【机器学习】面试问答:PCA算法介绍?PCA算法过程?PCA为什么要中心化处理?PCA为什么要做正交变化?PCA与线性判别分析LDA降维的区别?
本文介绍了主成分分析(PCA)算法,包括PCA的基本概念、算法过程、中心化处理的必要性、正交变换的目的,以及PCA与线性判别分析(LDA)在降维上的区别。
433 4
|
JSON 自然语言处理 安全
微调大型语言模型进行命名实体识别
大型语言模型的目标是理解和生成与人类语言类似的文本。它们经过大规模的训练,能够对输入的文本进行分析,并生成符合语法和语境的回复。这种模型可以用于各种任务,包括问答系统、对话机器人、文本生成、翻译等。
469 1
|
人工智能 测试技术
探索人工智能在测试领域的新纪元:AI编写测试用例的前景
本文介绍了测试用例的重要性及其基本组成元素,如模块、标题、前置条件等。通过实践演练展示了如何利用ChatGPT自动生成测试用例,包括关键词精确匹配、模糊匹配、异常输入和搜索结果为空的场景。通过向ChatGPT提供详细需求和格式规范,可以得到Markdown格式的测试用例,然后导入Excel进行归档。关键在于清晰阐述需求、逐步细化任务,并对ChatGPT的回复进行调整优化。
flowable的流程任务统计sql
flowable的流程任务统计sql
252 0
|
安全 JavaScript 小程序
java 实现短信验证码
java 实现短信验证码
248 0