想要通过使用Javascripts map,reduce,foreach,filter方法来实现功能(Want to achieve functionality by using Javascripts map,reduce,foreach,filter methods)
请帮我写出更好的代码。
假设我有一个如下所示的JavaScript数组:
var students = [ { firstname: "stud1", lastname: "stud2", marks: "60" }, { firstname: "stud3", lastname: "stud4", marks: "30" }, { firstname: "stud5", lastname: "stud6", marks: "70" }, { firstname: "stud7", lastname: "stud8", marks: "55" }, { firstname: "stud9", lastname: "stud10", marks: "20" }, ];
在页面上我想分两部分显示数据:1)得分> = 40的学生2)得分<40的学生
通过使用for循环,我可以轻松完成此功能,如下所示。
var data = "";var data1 = ""; for (var i = 0; i < students.length; i++ ) { if(students.marks >= 40){ data += = students.firstname + " " + students.lastname; //actual data in html div tag .... }else{ data1 += = students.firstname + " " + students.lastname; } }
我想通过使用map,reduce,foreach,filter等JavaScript方法来实现相同的功能。(想要提高我的JavaScript知识)
不确切知道哪种方法对此类功能有用。
使用map方法并尝试显示数据,但每个对象/数组的末尾都有一个尾随。
任何人都可以帮助/指导我编写正确的代码吗?
Please help me to write better code.
Suppose I have a JavaScript array like below:
var students = [ { firstname: "stud1", lastname: "stud2", marks: "60" }, { firstname: "stud3", lastname: "stud4", marks: "30" }, { firstname: "stud5", lastname: "stud6", marks: "70" }, { firstname: "stud7", lastname: "stud8", marks: "55" }, { firstname: "stud9", lastname: "stud10", marks: "20" }, ];
On page I want to show data in two parts, 1)Students who got marks >= 40 2)Students who got marks < 40
By using for loop I done this functionality easily as below.
var data = "";var data1 = ""; for (var i = 0; i < students.length; i++ ) { if(students.marks >= 40){ data += = students.firstname + " " + students.lastname; //actual data in html div tag .... }else{ data1 += = students.firstname + " " + students.lastname; } }
I want to achieve same functionality by using JavaScript methods like map, reduce, foreach, filter etc. (want to improve my JavaScript knowledge)
Don't know exactly which method is useful for such functionality.
Used map method and tried to display data, but there is a trailing , at the end of each object/array.
Can anyone please help/guide me to write proper code?
原文:https://stackoverflow.com/questions/41801501
相关问答
更多-
您只需手动将交互项添加到线性模型中即可。 你必须添加3个回归系数(beta)和一个截距。 然后,您可以通过以下方式估算您的y: y = pm.Normal('regression', mu=intercept + beta_x1 * data_x1 + beta_x2 * data_x2 + beta_interaction * data_x1 * data_x2, sd=sigma, observed=data ...
-
结果PyMC3有一个开关模型。 设t是时间的变量。 import pymc3 as pm basic_model = pm.Model() with basic_model: mu1 = pm.Normal('mu1', mu=0, sd=10) mu2 = pm.Normal('mu2', mu=0, sd=10) sigma1 = pm.HalfNormal('sigma1', sd=2) sigma2 = pm.HalfNormal('sigma2', sd=2) ...
-
线性回归与逻辑回归之间有什么区别?(What is the difference between linear regression and logistic regression?)[2024-01-19]
在线性回归中,结果(因变量)是连续的。 它可以具有无限数量的可能值中的任何一个。 在逻辑回归中,结果(因变量)只有有限数量的可能值。 例如,如果X包含房屋平方英尺的面积,并且Y包含这些房屋的相应销售价格,则可以使用线性回归来预测作为房屋面积的函数的销售价格。 虽然可能的售价可能不是实际的,但是有很多可能的值可以选择线性回归模型。 相反,如果你想根据大小来预测一个房子是否会卖出超过$ 200K,那么你将使用逻辑回归。 可能的输出是是的,房子会卖出超过$ 200K,否则,房子不会。 (上述例子从我对Andrew ... -
Sklearn - 线性回归(Sklearn - Linear regression)[2022-09-09]
您的代码在LinearRegression的构造函数中有错误。 代替: reg = LinearRegression(x,y) 做这个: reg = LinearRegression() 现在至于你所说的错误,这是因为你在X中只有一列。所以当前的形状是 (n_rows,) 所有scikit估计器都需要X的形状: (n_rows, n_columns) 所以,像这样重塑你的X: X = X.reshape(-1,1) 然后将它们传递给fit() Your code has error in the ... -
使用PYMC3回归(Regression using PYMC3)[2022-11-24]
glm子模块设置了一些默认的先验,这可能非常适合你的每一个案例。 您可以使用family参数更改它们,例如: pm.glm.glm('y ~ x', data, family=pm.glm.families.Normal(priors={'sd': ('sigma', pm.Uniform.dist(0, 12000))})) 不幸的是,这还没有很好的记录,需要一些很好的例子。 The glm submodule sets some default priors which migh ... -
你为什么期望看到4-5左右的df? 具有df-> inf的AT分布等于正态分布。 当我运行你的模型并执行: print trace['df'][10000:].mean()我得到1.19876070951e+13 ,所以非常大。 您可能会看到不同之处的一个原因是,如果您尝试在关节空间(曾经是pymc3中的默认值)中进行采样,Metropolis采样器可能会失败。 如果您最近没有从master更新pymc3,请尝试再次更新并运行模型,因为Metropolis现在默认为非阻塞并分别对每个变量进行采样。 Why ...
-
我有一个非常相似的入门想法,除了我修改了用于逻辑回归的Python教程以创建线性回归示例。 我发现逻辑示例中指定的学习速率太大,无法用于线性回归目的所需的平方误差损失函数。 所以作为第一个建议,我建议你尝试将learningRatesPerSample减少到0.001或更小。 我快速谷歌搜索你看到的错误代码,并返回了这个问题 ,这也表明学习率可能是你的罪魁祸首。 如果您有兴趣,我写了一篇关于Python中线性回归示例的博客文章 。 I had a very similar idea for getting ...
-
我是否正确测量多元线性回归模型的性能?(Am I measuring the performance of my Multiple Linear Regression model correct?)[2023-05-12]
让我们回答一下:我认为你正在测量(至少用代码)。 但: 谁告诉你这种关系是线性的? 你试图预测利润(对吗?)。 我会说线性回归可能不会很好。 所以,如果你没有取得好成绩,我并不感到惊讶。 要了解您的预测是如何工作的,请尝试绘制预测与真实的关系,并检查您的预测在线上有多好。 总结一下:你获得大值的事实并不意味着你的代码是错误的。 很可能这种关系不是线性的。 另一方面:使用分类变量可能是问题的根源。 您是否尝试过没有状态的线性回归? 你有什么结果? 哪个变量在回归中最重要? 你应该检查一下。 你的R平方是什么? ... -
您的猜想“我相信如果错误应该正常分布,那么目标值也应该如此。” 完全错了。 所以你的问题根本没有任何答案,因为它不是一个有效的问题。 目标变量没有假设为Normal。 获取目标变量并不意味着错误是正常分布的。 事实上,这可能会破坏正常性。 Your conjecture "I believe if the error should be normally distributed then the target values should be as well." is totally wrong. So y ...
-
对于初学者来说,在你上面的例子中,z和phi没有任何值可以将它们用作默认值。 我们也没有D和W的值。 至于参数的数量,你定义的函数有2个,但你上面的theano装饰器有3个。我建议 @theano.compile.ops.as_op(itypes=[t.lscalar, t.dvector],otypes=[t.dvector]) def p(z, phi): return [phi[z[i,j]] for i,j in zip(range(D),range(W))] For starters, ...