5 Playground

简介: Playground

Playground


  • Swift Playground首次公布与WWDC2016
  • 最开始是为了让人人都能愉快的学习Swift编程
  • 但发展至今,这个工具越来越强大
  • iPad APP Playgrounds


创建一个Playground项目


image.png


简介


image.png


  1. extension -> 定义扩展


  1. 让打印出的数据更加可视化一些,如果没有这个,最后一句打印只能打印出一个对象

视图可视化


image.png


//ViewController1.swiftimportFoundationimportUIKitpublicclassViewController1: UIViewController {
publicoverridefuncviewDidLoad() {
super.viewDidLoad()
letbutton=UIButtion(type: .custom)
button.frame=CGRect(x:0,y:200,width:300,height:50)
button.setTitle("点击跳转",for: .normal)
button.setTitleColor(.white, for: .normal)
button.backgroundColor= .bluebutton.addTarget(self, action: #selector(onButtonClick),for: .touchUpInside)
view.addSubview(button)
    }
@objcfunconButtonClick() {
navigationController?.pushViewController(ViewController2(), animated: true)
    }
}


//ViewController2.swiftimportFoundationimportUIKitpublicclassViewController2:UIViewController {
publicoverridefuncviewDidLoad() {
super.viewDidLoad()
letlabel: UIlabel=UILabel()
label.frame=CGRect(x:0,y:200,width:300,height:50)
label.text="页面2"label.textColor= .whitelabel.backgroundColor= .redview.addSubview(label)
    }
}
目录
相关文章
|
小程序
【小程序】报错:no such file or directory, access ‘wxfile://usr/miniprogramLog/log2‘
【小程序】报错:no such file or directory, access ‘wxfile://usr/miniprogramLog/log2‘
2226 0
|
11月前
|
机器学习/深度学习 数据采集 存储
时间序列预测新突破:深入解析循环神经网络(RNN)在金融数据分析中的应用
【10月更文挑战第7天】时间序列预测是数据科学领域的一个重要课题,特别是在金融行业中。准确的时间序列预测能够帮助投资者做出更明智的决策,比如股票价格预测、汇率变动预测等。近年来,随着深度学习技术的发展,尤其是循环神经网络(Recurrent Neural Networks, RNNs)及其变体如长短期记忆网络(LSTM)和门控循环单元(GRU),在处理时间序列数据方面展现出了巨大的潜力。本文将探讨RNN的基本概念,并通过具体的代码示例展示如何使用这些模型来进行金融数据分析。
1039 2
|
算法 数据挖掘 数据库
[软件工程导论(第六版)]第5章 总体设计(复习笔记)
[软件工程导论(第六版)]第5章 总体设计(复习笔记)
|
12月前
|
存储 人工智能 搜索推荐
RAG系统的7个检索指标:信息检索任务准确性评估指南
大型语言模型(LLMs)在生成式AI领域备受关注,但其知识局限性和幻觉问题仍具挑战。检索增强生成(RAG)通过引入外部知识和上下文,有效解决了这些问题,并成为2024年最具影响力的AI技术之一。RAG评估需超越简单的实现方式,建立有效的性能度量标准。本文重点讨论了七个核心检索指标,包括准确率、精确率、召回率、F1分数、平均倒数排名(MRR)、平均精确率均值(MAP)和归一化折损累积增益(nDCG),为评估和优化RAG系统提供了重要依据。这些指标不仅在RAG中发挥作用,还广泛应用于搜索引擎、电子商务、推荐系统等领域。
4777 2
RAG系统的7个检索指标:信息检索任务准确性评估指南
|
安全 Oracle 关系型数据库
关系型数据库Oracle安全性
【7月更文挑战第17天】
222 5
|
数据采集 缓存 监控
优化 Grafana 性能:技巧与窍门
【8月更文第29天】Grafana 是一个非常受欢迎的开源数据可视化平台,它能够连接到各种数据源并提供高度定制化的仪表板。然而,随着数据量的增长和复杂查询的增多,Grafana 的性能可能会受到影响。本文将探讨如何优化 Grafana 的性能,以提高其响应速度和稳定性,并通过具体的代码示例来展示这些技巧。
1381 2
|
JSON 人工智能 数据库
【AI大模型应用开发】【LangChain系列】1. 全面学习LangChain输入输出I/O模块:理论介绍+实战示例+细节注释
【AI大模型应用开发】【LangChain系列】1. 全面学习LangChain输入输出I/O模块:理论介绍+实战示例+细节注释
521 0
【AI大模型应用开发】【LangChain系列】1. 全面学习LangChain输入输出I/O模块:理论介绍+实战示例+细节注释
|
算法 安全 Java
java将list中的某个元素移动位置
【2月更文挑战第12天】
412 0
|
程序员 测试技术 C++
[C++] enum枚举类型用法
[C++] enum枚举类型用法
183 0
|
数据采集 数据可视化 数据挖掘
如何利用Python中的Pandas库进行数据分析和可视化
Python的Pandas库是一种功能强大的工具,可以用于数据分析和处理。本文将介绍如何使用Pandas库进行数据分析和可视化,包括数据导入、清洗、转换以及基本的统计分析和图表绘制。通过学习本文,读者将能够掌握利用Python中的Pandas库进行高效数据处理和可视化的技能。

热门文章

最新文章