个人中心
文章发布
退出
作者热门文章
- ubuntu12.04环境下使用kvm ioctl接口实现最简单的虚拟机
- Ubuntu 通过无线网络安装Ubuntu Server启动系统后连接无线网络的方法
- 在Ubuntu上搭建网桥的方法
- ubuntu 虚拟机上网方式及相关配置详解
30
4
CFSDN坚持开源创造价值，我们致力于搭建一个资源共享平台，让每一个IT人在这里找到属于你的精彩世界.
这篇CFSDN的博客文章R语言中data.frame的常用操作总结由作者收集整理，如果你对这篇文章有兴趣，记得点赞哟.
前言：近段时间学习R语言用到最多的数据格式就是data.frame，现对data.frame常用操作进行总结，其中函数大部分来自dplyr包，该包由Hadley Wickham所作，主要用于数据的清洗和整理.
data.frame创建较为容易，调用data.frame函数即可。本文创建一个关于学生成绩的数据框，接下来大部分操作都对该数据框进行，其中学生成绩随机产生 。
|
1
2
3
4
5
6
7
8
9
10
11
|
> library(dplyr)
#导入dplyr包
> options(digits = 0)
#保留整数
>
set
.seed(1)
#设置种子函数
>
df
<- data.frame(ID = 1:12,
#ID
+ Class = rep(c(1,2,3),4),
#班级
+ Chinese = runif(12,min = 0,max = 100),
#语文
+ Math = runif(12,min = 0,max = 100),
#数学
+ English = runif(12,min = 0,max = 100))
#英语
>
for
(i
in
1:ncol(
df
)) {
+
df
[,i] <- as.integer(
df
[,i])
#将每列类型变为integer型
+ }
|
df结果如下 。
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
|
>
df
ID Class Chinese Math English
1 1 1 26 68 26
2 2 2 37 38 38
3 3 3 57 76 1
4 4 1 90 49 38
5 5 2 20 71 86
6 6 3 89 99 34
7 7 1 94 38 48
8 8 2 66 77 59
9 9 3 62 93 49
10 10 1 6 21 18
11 11 2 20 65 82
12 12 3 17 12 66
|
可通过 data.frame[行号,] 或者 data.frame[,列号] 操作完成 。
其中 data.frame[行号,] 得到的类型是数据框 。
而 data.frame[,列号] 得到的类型是该列的类型 。
|
1
2
3
4
5
|
>
df
[2,]
ID Class Chinese Math English
2 2 2 37 38 38
>
df
[,4]
[1] 68 38 76 49 71 99 38 77 93 21 65 12
|
查询某一列还可以通过 data.frame$列名 操作完成 。
|
1
2
|
>
df
$Chinese
[1] 26 37 57 90 20 89 94 66 62 6 20 17
|
data.frame[列号] 得到一个仅包含该列内容的数据框 。
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
|
>
df
[3]
Chinese
1 26
2 37
3 57
4 90
5 20
6 89
7 94
8 66
9 62
10 6
11 20
12 17
|
若要查找符合条件的行，可采用 which() 函数，得到的类型是数据框 。
|
1
2
3
|
>
df
[
which
(
df
$ID == 4),]
ID Class Chinese Math English
4 4 1 90 49 38
|
可通过 data.frame[行号，列号] 或 data.frame[行号，‘列名'] 操作完成 。
|
1
2
3
4
|
>
df
[3,4]
[1] 76
>
df
[3,
'Math'
]
[1] 76
|
若查找符合条件的值，可采用 which() 函数 。
|
1
2
3
4
|
>
df
[
which
(
df
$Chinese == 57),
'Math'
]
#查询语文成绩为57的同学的数学成绩
[1] 76
>
df
[
which
(
df
$Class == 2),
'English'
]
#查询班级号为2的同学的英语成绩
[1] 38 86 59 82
|
|
1
2
3
|
>
df
[1,] <- c(1,2,65,59,73)
#修改第一行
#修改英语成绩
>
df
[,
'English'
] <- c(23,45,67,87,34,46,87,95,43,76,23,94)
|
修改后结果为(1号同学英语成绩先由26修改为73，再修改为23) 。
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
|
>
df
ID Class Chinese Math English
1 1 2 65 59 23
2 2 2 37 38 45
3 3 3 57 76 67
4 4 1 90 49 87
5 5 2 20 71 34
6 6 3 89 99 46
7 7 1 94 38 87
8 8 2 66 77 95
9 9 3 62 93 43
10 10 1 6 21 76
11 11 2 20 65 23
12 12 3 17 12 94
|
直接将需要修改后的值赋给上述查询某一个值的操作即可 。
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
|
>
df
[3,
'Chinese'
] <- 65
#将3号同学的语文成绩修改为65
#将语文成绩低于20的同学的语文成绩修改为20
>
df
[
which
(
df
$Chinese < 20),
'Chinese'
] <- 20
>
df
ID Class Chinese Math English
1 1 2 65 59 23
2 2 2 37 38 45
3 3 3 65 76 67
4 4 1 90 49 87
5 5 2 20 71 34
6 6 3 89 99 46
7 7 1 94 38 87
8 8 2 66 77 95
9 9 3 62 93 43
10 10 1 20 21 76
11 11 2 20 65 23
12 12 3 20 12 94
|
可用rownames()及colnames()得到数据框的行列名，rownames(data.frame)[行号] 或 colnames(data.frame)[列号] 可得到指定位置的行名或者列名，若修改直接赋值给该变量即可 。
|
1
2
3
4
5
6
7
|
> colnames(
df
)
#查询列名
[1]
"ID"
"Class"
"Chinese"
"Math"
"English"
> colnames(
df
)[4]
#查询第4列列名
[1]
"Math"
> colnames(
df
)[4] <-
"math"
#修改第4列列名为math
#修改列名
> colnames(
df
) <- c(
"ID"
,
"Class"
,
"Chinese"
,
"Math"
,
"English"
)
|
删除行或列，仅需要选出该数据框的部分行或列，然后将其赋给该变量即可，其中在列号或行号前添加-表示不选该行或该列，在这里，为了方便接下来的操作，我们将选出后的数据框赋给其他变量，要实现删除操作应当将选出后的数据框赋给自己 。
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
|
#选出df第1、3、5列 ( df <- df[,c(1,3,5)] )
>
df
.tmp <-
df
[,c(1,3,5)]
>
df
.tmp
ID Chinese English
1 1 65 23
2 2 37 45
3 3 65 67
4 4 90 87
5 5 20 34
6 6 89 46
7 7 94 87
8 8 66 95
9 9 62 43
10 10 20 76
11 11 20 23
12 12 20 94
#删除df第3行 ( df <- df[-3,] )
>
df
.tmp <-
df
[-3,]
>
df
.tmp
ID Class Chinese Math English
1 1 2 65 59 23
2 2 2 37 38 45
4 4 1 90 49 87
5 5 2 20 71 34
6 6 3 89 99 46
7 7 1 94 38 87
8 8 2 66 77 95
9 9 3 62 93 43
10 10 1 20 21 76
11 11 2 20 65 23
12 12 3 20 12 94
|
data.frame[新行号,] <- 行值 。
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
|
>
df
[13,] <- c(13,2,62,19,38)
#新增13行数据
>
df
ID Class Chinese Math English
1 1 2 65 59 23
2 2 2 37 38 45
3 3 3 65 76 67
4 4 1 90 49 87
5 5 2 20 71 34
6 6 3 89 99 46
7 7 1 94 38 87
8 8 2 66 77 95
9 9 3 62 93 43
10 10 1 20 21 76
11 11 2 20 65 23
12 12 3 20 12 94
13 13 2 62 19 38
|
若想对行进行复制，可以采用重复行号的方法 。
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
|
>
df
<-
df
[c(1,1:12),]
#复制第1行1次
>
df
ID Class Chinese Math English
1 1 2 65 59 23
1.1 1 2 65 59 23
2 2 2 37 38 45
3 3 3 65 76 67
4 4 1 90 49 87
5 5 2 20 71 34
6 6 3 89 99 46
7 7 1 94 38 87
8 8 2 66 77 95
9 9 3 62 93 43
10 10 1 20 21 76
11 11 2 20 65 23
12 12 3 20 12 94
|
可使用rep()函数方便进行多行的复制 。
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
|
>
df
<-
df
[rep(1:12,each = 2),]
#对每行数据复制1次
>
df
ID Class Chinese Math English
1 1 2 65 59 23
1.1 1 2 65 59 23
2 2 2 37 38 45
2.1 2 2 37 38 45
3 3 3 65 76 67
3.1 3 3 65 76 67
4 4 1 90 49 87
4.1 4 1 90 49 87
5 5 2 20 71 34
5.1 5 2 20 71 34
6 6 3 89 99 46
6.1 6 3 89 99 46
7 7 1 94 38 87
7.1 7 1 94 38 87
8 8 2 66 77 95
8.1 8 2 66 77 95
9 9 3 62 93 43
9.1 9 3 62 93 43
10 10 1 20 21 76
10.1 10 1 20 21 76
11 11 2 20 65 23
11.1 11 2 20 65 23
12 12 3 20 12 94
12.1 12 3 20 12 94
|
还可采用rbind()函数，后续会有示例 。
data.frame$新列名 <- 列值 。
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
|
>
df
$Physics <- c(23,34,67,23,56,67,78,23,54,56,67,34)
>
df
ID Class Chinese Math English Physics
1 1 2 65 59 23 23
2 2 2 37 38 45 34
3 3 3 65 76 67 67
4 4 1 90 49 87 23
5 5 2 20 71 34 56
6 6 3 89 99 46 67
7 7 1 94 38 87 78
8 8 2 66 77 95 23
9 9 3 62 93 43 54
10 10 1 20 21 76 56
11 11 2 20 65 23 67
12 12 3 20 12 94 34
|
data.frame[,新列号] <- 列值 。
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
|
>
df
[,7] <- c(1:12)
>
df
ID Class Chinese Math English Physics V7
1 1 2 65 59 23 23 1
2 2 2 37 38 45 34 2
3 3 3 65 76 67 67 3
4 4 1 90 49 87 23 4
5 5 2 20 71 34 56 5
6 6 3 89 99 46 67 6
7 7 1 94 38 87 78 7
8 8 2 66 77 95 23 8
9 9 3 62 93 43 54 9
10 10 1 20 21 76 56 10
11 11 2 20 65 23 67 11
12 12 3 20 12 94 34 12
|
还可用dplyr包中的mutate()函数 。
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
|
> mutate(
df
,Chemistry = Chinese + Math + English + Physics)
ID Class Chinese Math English Physics V7 Chemistry
1 1 2 65 59 23 23 1 170
2 2 2 37 38 45 34 2 154
3 3 3 65 76 67 67 3 275
4 4 1 90 49 87 23 4 249
5 5 2 20 71 34 56 5 181
6 6 3 89 99 46 67 6 301
7 7 1 94 38 87 78 7 297
8 8 2 66 77 95 23 8 261
9 9 3 62 93 43 54 9 252
10 10 1 20 21 76 56 10 173
11 11 2 20 65 23 67 11 175
12 12 3 20 12 94 34 12 160
|
还可采用cbind()函数，后续会有示例 。
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
|
>
df
#原数据
ID Class Chinese Math English
1 1 2 65 59 23
2 2 2 37 38 45
3 3 3 65 76 67
4 4 1 90 49 87
5 5 2 20 71 34
6 6 3 89 99 46
7 7 1 94 38 87
8 8 2 66 77 95
9 9 3 62 93 43
10 10 1 20 21 76
11 11 2 20 65 23
12 12 3 20 12 94
|
|
1
2
|
arrange(.data, ...)
arrange(.data, ..., .by_group = FALSE)
|
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
|
> arrange(
df
,Chinese)
#按语文成绩由小到大排序
ID Class Chinese Math English
1 5 2 20 71 34
2 10 1 20 21 76
3 11 2 20 65 23
4 12 3 20 12 94
5 2 2 37 38 45
6 9 3 62 93 43
7 1 2 65 59 23
8 3 3 65 76 67
9 8 2 66 77 95
10 6 3 89 99 46
11 4 1 90 49 87
12 7 1 94 38 87
|
函数中第一个是待排序的数据框，之后依次是变量，且变量优先级逐渐降低，如语文、数学成绩进行排序 。
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
|
> arrange(
df
,Chinese,Math)
#依次按语文、数学成绩由小到大排序
ID Class Chinese Math English
1 12 3 20 12 94
2 10 1 20 21 76
3 11 2 20 65 23
4 5 2 20 71 34
5 2 2 37 38 45
6 9 3 62 93 43
7 1 2 65 59 23
8 3 3 65 76 67
9 8 2 66 77 95
10 6 3 89 99 46
11 4 1 90 49 87
12 7 1 94 38 87
|
若想由大到小排序，使用desc()函数 。
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
|
> arrange(
df
,desc(Chinese))
#按语文成绩由大到小排序
ID Class Chinese Math English
1 7 1 94 38 87
2 4 1 90 49 87
3 6 3 89 99 46
4 8 2 66 77 95
5 1 2 65 59 23
6 3 3 65 76 67
7 9 3 62 93 43
8 2 2 37 38 45
9 5 2 20 71 34
10 10 1 20 21 76
11 11 2 20 65 23
12 12 3 20 12 94
|
|
1
|
distinct(.data, ..., .keep_all = FALSE)
|
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
|
> df1 <-
df
[rep(1:nrow(
df
),each = 2),]
#将df每行复制1次
> df1
ID Class Chinese Math English
1 1 2 65 59 23
1.1 1 2 65 59 23
2 2 2 37 38 45
2.1 2 2 37 38 45
3 3 3 65 76 67
3.1 3 3 65 76 67
4 4 1 90 49 87
4.1 4 1 90 49 87
5 5 2 20 71 34
5.1 5 2 20 71 34
6 6 3 89 99 46
6.1 6 3 89 99 46
7 7 1 94 38 87
7.1 7 1 94 38 87
8 8 2 66 77 95
8.1 8 2 66 77 95
9 9 3 62 93 43
9.1 9 3 62 93 43
10 10 1 20 21 76
10.1 10 1 20 21 76
11 11 2 20 65 23
11.1 11 2 20 65 23
12 12 3 20 12 94
12.1 12 3 20 12 94
> df1 <- distinct(df1)
#去除重复的行
> df1
ID Class Chinese Math English
1 1 2 65 59 23
2 2 2 37 38 45
3 3 3 65 76 67
4 4 1 90 49 87
5 5 2 20 71 34
6 6 3 89 99 46
7 7 1 94 38 87
8 8 2 66 77 95
9 9 3 62 93 43
10 10 1 20 21 76
11 11 2 20 65 23
12 12 3 20 12 94
|
|
1
2
3
|
group_by(.data, ..., add = FALSE, .drop = FALSE)
ungroup(x, ...)
summarise(.data, ...)
|
group_by()与summarise()函数常连用，用于对不同的分组进行操作,在这里再介绍一个管道函数“%>%”，其作用是把左件的值发送给右件的表达式，并作为右件表达式函数的第一个参数 。
|
1
2
3
4
5
6
7
8
9
|
>
df
%>%
+ group_by(Class) %>%
+ summarise(max = max(Chinese))
#求出按Class分组每组中语文成绩最高分
# A tibble: 3 x 2
Class max
<dbl> <dbl>
1 1 94
2 2 66
3 3 89
|
|
1
|
filter(.data, ..., .preserve = FALSE)
|
选出符合条件的行(返回数据框格式) 。
|
1
2
3
4
5
6
7
8
9
10
|
>
df
%>%
+ group_by(Class) %>%
+ filter(Chinese == max(Chinese))
#选出每个班语文成绩最高的学生的信息
# A tibble: 3 x 5
# Groups: Class [3]
ID Class Chinese Math English
<dbl> <dbl> <dbl> <dbl> <dbl>
1 6 3 89 99 46
2 7 1 94 38 87
3 8 2 66 77 95
|
|
1
|
select
(.data, ...)
|
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
|
>
select
(
df
,ID,Chinese,Math,English)
#选出df中ID、语文、数学、英语数据
ID Chinese Math English
1 1 65 59 23
2 2 37 38 45
3 3 65 76 67
4 4 90 49 87
5 5 20 71 34
6 6 89 99 46
7 7 94 38 87
8 8 66 77 95
9 9 62 93 43
10 10 20 21 76
11 11 20 65 23
12 12 20 12 94
|
rbind()函数根据行进行合并，cbind()根据列进行合并 。
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
|
#新建数据框df1
> df1 <- data.frame(ID = 13,Class = 2,
Chinese = 65,Math = 26,English = 84)
> df1
ID Class Chinese Math English
1 13 2 65 26 84
> rbind(
df
,df1)
#合并df与df1
ID Class Chinese Math English
1 1 2 65 59 23
2 2 2 37 38 45
3 3 3 65 76 67
4 4 1 90 49 87
5 5 2 20 71 34
6 6 3 89 99 46
7 7 1 94 38 87
8 8 2 66 77 95
9 9 3 62 93 43
10 10 1 20 21 76
11 11 2 20 65 23
12 12 3 20 12 94
13 13 2 65 26 84
> df2
#新建数据框df2
Biological
1 65
2 15
3 35
4 59
5 64
6 34
7 29
8 46
9 32
10 95
11 46
12 23
> cbind(
df
,df2)
#合并df与df2
ID Class Chinese Math English Biological
1 1 2 65 59 23 65
2 2 2 37 38 45 15
3 3 3 65 76 67 35
4 4 1 90 49 87 59
5 5 2 20 71 34 64
6 6 3 89 99 46 34
7 7 1 94 38 87 29
8 8 2 66 77 95 46
9 9 3 62 93 43 32
10 10 1 20 21 76 95
11 11 2 20 65 23 46
12 12 3 20 12 94 23
|
|
1
2
3
4
5
6
7
|
inner_join(x, y, by = NULL, copy = FALSE, suffix = c(
".x"
,
".y"
),...)
left_join(x, y, by = NULL, copy = FALSE, suffix = c(
".x"
,
".y"
), ...)
right_join(x, y, by = NULL, copy = FALSE, suffix = c(
".x"
,
".y"
),...)
full_join(x, y, by = NULL, copy = FALSE, suffix = c(
".x"
,
".y"
), ...)
semi_join(x, y, by = NULL, copy = FALSE, ...)
nest_join(x, y, by = NULL, copy = FALSE, keep = FALSE, name = NULL,...)
anti_join(x, y, by = NULL, copy = FALSE, ...)
|
join函数类型比较多，这里仅以left_join()函数举例 。
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
|
#新建数据框Class
> Class <- data.frame(Class = c(1,2,3),class = c(
'一班'
,
'二班'
,
'三班'
))
> Class
Class class
1 1 一班
2 2 二班
3 3 三班
> left_join(
df
,Class,by =
'Class'
)
#基于Class变量左连接df与Class数据框
ID Class Chinese Math English class
1 1 2 65 59 23 二班
2 2 2 37 38 45 二班
3 3 3 65 76 67 三班
4 4 1 90 49 87 一班
5 5 2 20 71 34 二班
6 6 3 89 99 46 三班
7 7 1 94 38 87 一班
8 8 2 66 77 95 二班
9 9 3 62 93 43 三班
10 10 1 20 21 76 一班
11 11 2 20 65 23 二班
12 12 3 20 12 94 三班
|
left_join()函数仅保留df对应的Class值的数据 。
以上为个人经验，希望能给大家一个参考，也希望大家多多支持我。如有错误或未考虑完全的地方，望不吝赐教.
原文链接：https://www.cnblogs.com/huskysir/p/10841595.html 。
最后此篇关于R语言中data.frame的常用操作总结的文章就讲到这里了,如果你想了解更多关于R语言中data.frame的常用操作总结的内容请搜索CFSDN的文章或继续浏览相关文章，希望大家以后支持我的博客！ 。
30
4
0
我需要将文本放在 中在一个 Div 中，在另一个 Div 中，在另一个 Div 中。所以这是它的样子: #document Change PIN
奇怪的事情发生了。 我有一个基本的 html 代码。 html，头部， body 。(因为我收到了一些反对票，这里是完整的代码) 这是我的CSS: html { backgroun
我正在尝试将 Assets 中的一组图像加载到 UICollectionview 中存在的 ImageView 中，但每当我运行应用程序时它都会显示错误。而且也没有显示图像。 我在ViewDidLoa
我需要根据带参数的 perl 脚本的输出更改一些环境变量。在 tcsh 中，我可以使用别名命令来评估 perl 脚本的输出。 tcsh: alias setsdk 'eval `/localhome/
我使用 Windows 身份验证创建了一个新的 Blazor(服务器端)应用程序，并使用 IIS Express 运行它。它将显示一条消息“Hello Domain\User!”来自右上方的以下 Ra
这是我的方法 void login(Event event);我想知道 Kotlin 中应该如何 最佳答案 在 Kotlin 中通配符运算符是 * 。它指示编译器它是未知的，但一旦知道，就不会有其他类
看下面的代码 for story in book if story.title.length < 140 - var story
我正在尝试用 C 语言学习字符串处理。我写了一个程序，它存储了一些音乐轨道，并帮助用户检查他/她想到的歌曲是否存在于存储的轨道中。这是通过要求用户输入一串字符来完成的。然后程序使用 strstr()
我正在学习 sscanf 并遇到如下格式字符串: sscanf("%[^:]:%[^*=]%*[*=]%n",a,b,&c); 我理解 %[^:] 部分意味着扫描直到遇到 ':' 并将其分配给 a。:
def char_check(x,y): if (str(x) in y or x.find(y) > -1) or (str(y) in x or y.find(x) > -1):
我有一种情况，我想将文本文件中的现有行包含到一个新 block 中。 line 1 line 2 line in block line 3 line 4 应该变成 line 1 line 2 line
我有一个新项目，我正在尝试设置 Django 调试工具栏。首先，我尝试了快速设置，它只涉及将 'debug_toolbar' 添加到我的已安装应用程序列表中。有了这个，当我转到我的根 URL 时，调试
在 Matlab 中，如果我有一个函数 f，例如签名是 f(a,b,c)，我可以创建一个只有一个变量 b 的函数，它将使用固定的 a=a1 和 c=c1 调用 f: g = @(b) f(a1, b,
我不明白为什么 ForEach 中的元素之间有多余的垂直间距在 VStack 里面在 ScrollView 里面使用 GeometryReader 时渲染自定义水平分隔线。 Scrol
我想知道，是否有关于何时使用 session 和 cookie 的指南或最佳实践？ 什么应该和什么不应该存储在其中？谢谢! 最佳答案 这些文档很好地了解了 session cookie 的安全问题以及
我在 scipy/numpy 中有一个 Nx3 矩阵，我想用它制作一个 3 维条形图，其中 X 轴和 Y 轴由矩阵的第一列和第二列的值、高度确定每个条形的 是矩阵中的第三列，条形的数量由 N 确定。
假设我用两种不同的方式初始化信号量 sem_init(&randomsem,0,1) sem_init(&randomsem,0,0) 现在， sem_wait(&randomsem) 在这两种情况下
我怀疑该值如何存储在“WORD”中，因为 PStr 包含实际输出。？ 既然Pstr中存储的是小写到大写的字母，那么在printf中如何将其给出为“WORD”。有人可以吗？解释一下？ #include
我有一个 3x3 数组: var my_array = [[0,1,2], [3,4,5], [6,7,8]]; 并想获得它的第一个 2
我意识到您可以使用如下方式轻松检查焦点: var hasFocus = true; $(window).blur(function(){ hasFocus = false; }); $(win
我是一名优秀的程序员,十分优秀！