您的位置： 首页 > 苏州培训 > 苏州其然软件开发培训 > web前端培训 > 常熟java好不好学
赵艳敏高级讲师
从事设计行业多年，有着丰富的设计和动画制作经验。曾参与中国电信天翼 手机网及天翼手机DIY等多个项目的设计，动画，及As开发。项目经验丰富。曾在卡酷动画卫视下属公司担任高级动画师一职，参与多部动画片的制作 。对动画也有较高的造诣。
精通Flash、After Effects、Photoshop、Illustrator、ActionScript 2.0/3.0、Edius、CoolEdit、Axure RP、DIV CSS等相关技术。
讲课有自己的风格，思维活跃，条理清晰讲课注重细节，由简入繁。本着以 学生学会为目的，更注重理论与实践相结合。
Java培训Java与自学Java的差距
培训Java与自学Java的差距
我以前也是自学Java，在一家公司跟着别人学，以前是别人眼中的菜鸟，现 在是别人眼中的大神，Java很简单的，贵在坚持和多练，没必要花那培训钱。如果真的要去学的话，
选择Java培训机构要注意这两点基本上就能避免一些坑：
1. 老师没有正经公司工作经历，或者没有已经在线上正常运转的产品。一 些所谓培训班的老师水平往往比较一般，甚至还有培训出来后又接着培训别人的。
2、是不是会承诺帮你找到工作，要找到好的工作，不是靠别人给你保证的 ，还是要靠自己提升能力。
建议多自己学习加上找些好的代码主动学习。例如github，多练习网上很多 网站里真正好的代码。作为Java工程师，可以多看看spring文档，看看很多已经成熟的框架，深入去体会。另外，学软件等等**好还是自己多学，找点 视频教程之类，也省点钱。
全 新升级企业需求的Java课程
全新升级企业需求的Java课程
历经16年累计10余万Java学员。打造专业的课程体系，值得你的信赖
Java基础
深入解析Java基础，直击面试常见问题。——184课时
数据库
及Web前端技术
包含主流Oracle和MySQL数据库，先进的Web前端技术，热门的JS语言 ——160课时
Java Web
开发及服务端框架
定制开发企业级框架，教授Spring技术核心，企业开发部署环境，规范代码 开发流程及文档——176课时
综合项目实战
飞扬小鸟、飞机大战、俄罗斯方块、T-DMS数据采集项目、T-netctoss项目 、云笔记系统——136小时2W代码量
搭建自己网站
16小时课程实战演练
——企业扶持
R语言入门
>
对象的五种基本类型： （1）字符（character） （2）数值(numeric: real numbers) （3）整数(integer) （4）复数(complex: 1 2i) （5）逻辑(logical :True / Fulse)
> x <- 1 //赋值 > x [1] 1 > > class(x) [1] "numeric" > x <- 2L //整数后面加大写L表示为整数型 > class(x) [1] "integer" > y <- "hello world" > class(y) [1] "character" > t <- TRUE > x <- 1 2i > class(x) [1] "complex" >对象的属性： （1）名称 （2）维度 （3）类型 （3）长度
数据结构：
（1）向量：只能包含同一种类型的对象
# vector x <- vector("character", length = 10)//创建一个长度为10的字符型向量 x1 <- 1:4//x1为1到4的一个长为4的向量 x2 <- c(1,2,3,4)//直接创建一个向量 x3 <- c(TRUE,10,"a") //系统会自动把这三个不同类型的转化为同一类型 x4 <- c("a","b","c") as.numeric(x4) as.logical() as.character() //强制转换 class(x1) names(x1) <- c("a","b","c","d")//给变量起名字 > x1 a b c d 1 2 3 4（2）矩阵
——向量 维度属性（整数向量：nrow，ncol）
#Matrix //矩阵的创建 x <- matrix(1:6, nrow = 3, ncol = 2) x dim(x) attributes(x) y <- 1:6 //先创建一个向量，再赋值维度属性 dim(y) <- c(2,3) y y2 <- matrix(1:6, nrow = 2, ncol = 3) rbind(y,y2)//按行拼接 cbind(y,y2)//按列拼接 //执行步骤 > x <- matrix(nrow = 3, ncol = 2) > x [,1] [,2] [1,] NA NA [2,] NA NA [3,] NA NA > x <- matrix(1:6, nrow = 3, ncol = 2) > x [,1] [,2] [1,] 1 4 [2,] 2 5 [3,] 3 6 > dim(x) [1] 3 2 > attributes(x) $dim [1] 3 2 > y <- 1:6 > dim(y) <- c(2,3) > y [,1] [,2] [,3] [1,] 1 3 5 [2,] 2 4 6 > y2 <- matrix(1:6, nrow = 2, ncol = 3) > rbind(y,y2) [,1] [,2] [,3] [1,] 1 3 5 [2,] 2 4 6 [3,] 1 3 5 [4,] 2 4 6 > cbind(y,y2) [,1] [,2] [,3] [,4] [,5] [,6] [1,] 1 3 5 1 3 5 [2,] 2 4 6 2 4 6 >（3）数组 ——与矩阵类似，但是维度可以大于2
#array //数组的创建 x <- array(1:24, dim = c(4,6)) x <- array(1:24, dim = c(2,3,4)) x执行步骤：
> x <- array(1:24, dim = c(4,6)) > x [,1] [,2] [,3] [,4] [,5] [,6] [1,] 1 5 9 13 17 21 [2,] 2 6 10 14 18 22 [3,] 3 7 11 15 19 23 [4,] 4 8 12 16 20 24 > x <- array(1:24, dim = c(2,3,4)) > x , , 1 [,1] [,2] [,3] [1,] 1 3 5 [2,] 2 4 6 , , 2 [,1] [,2] [,3] [1,] 7 9 11 [2,] 8 10 12 , , 3 [,1] [,2] [,3] [1,] 13 15 17 [2,] 14 16 18 , , 4 [,1] [,2] [,3] [1,] 19 21 23 [2,] 20 22 24（4）列表
#list //列表的创建 l <- list("a", 2, 10L, 3 4i, TRUE) l2 <- list(a=1, b=2, c=3) l3 <- list(c(1,2,3), c(4,5,6,7)) x <- matrix(1:6, nrow = 2, ncol = 3) dimnames(x) <- list(c("a","b"), c("c","d","e"))执行步骤：
> l <- list("a", 2, 10L, 3 4i, TRUE) > l [[1]] [1] "a" [[2]] [1] 2 [[3]] [1] 10 [[4]] [1] 3 4i [[5]] [1] TRUE > > > l2 <- list(a=1, b=2, c=3) > l2 $a [1] 1 $b [1] 2 $c [1] 3 > l3 <- list(c(1,2,3), c(4,5,6,7)) > > > l3 [[1]] [1] 1 2 3 [[2]] [1] 4 5 6 7 > x <- matrix(1:6, nrow = 2, ncol = 3) > x [,1] [,2] [,3] [1,] 1 3 5 [2,] 2 4 6 > dimnames(x) <- list(c("a","b"), c("c","d","e")) > x c d e a 1 3 5 b 2 4 6 >（5）因子（factor）
——分类数据/有序 vs. 无序
——整数型向量 标签（label）（优于整数向量） Male/Female vs. 1/2 常用于 lm( ),glm( )
//创建因子 > x <- factor(c("female","female","male","male","female")) > x [1] female female male male female Levels: female male > x <- factor(c("female","female","male","male","female"), levels = c("male","female")) > x [1] female female male male female Levels: male female //查看因子 > table(x) x male female 2 3 > unclass(x) [1] 2 2 1 1 2 attr(,"levels") [1] "male" "female" > class(unclass(x)) [1] "integer"（6）缺失值（missing value）
——NA/NaN：NaN属于NA，NA不属于NaN ——NA有类型属性：interger NA，character NA等 ——is.na()/is.nan()
(8) 数据框 ——存储表格数据 ——视为各元素长度相同的列表
每个元素代表一列数据 每个元素的长度代表行数 元素类型可以不同 //创建一个数据框 > df <- data.frame(id = c(1,2,3,4), name = c("a","b","c","d"), gender = c(TRUE,TRUE,FALSE,FALSE)) > df id name gender 1 1 a TRUE 2 2 b TRUE 3 3 c FALSE 4 4 d FALSE //查看行列 > nrow(df) [1] 4 > ncol(df) [1] 3 > df2 <- data.frame(id = c(1,2,3,4), score = c(80,90,86,100)) > df2 id score 1 1 80 2 2 90 3 3 86 4 4 100 //转化为矩阵 > data.matrix(df2) id score [1,] 1 80 [2,] 2 90 [3,] 3 86 [4,] 4 100 >（9）时间和日期
——日期：Date
距离1970-01-01的天数/date（）/Sys.Date()/weekdays()/months()/quarters() //查询当前时间 > x <-date() > x [1] "Sat Feb 18 20:32:20 2017" > class(x) [1] "character" //查询当前时间（表示方式不同） > x2 <- Sys.Date() > x2 [1] "2017-02-18" > class(x2) [1] "Date" //创建一个时间 > x3 <- as.Date("2016-01-01") > x3 [1] "2016-01-01" //查询时间的当前属性 > class(x3) [1] "Date" > weekdays(x3) [1] "星期五" > months(x3) [1] "一月" > quarters(x3) //季度 [1] "Q1" > julian(x3) //距离1970年过去了多少天 [1] 16801 attr(,"origin") [1] "1970-01-01" //时间运算 > x4 <- as.Date("2017-01-01") > x4 [1] "2017-01-01" > x4-x3 Time difference of 366 days > as.numeric(x4-x3) [1] 366——时间：POSIXct / POSIXIt
距离1970-01-01的秒数 / Sys.time() POSIXct: 整数，常用来存入数据框 POSIXIt：列表，还包含星期、年、月、日等信息 //get time > x <- Sys.time() > x [1] "2017-02-18 20:47:07 CST" > class(x) [1] "POSIXct" "POSIXt" > p <- as.POSIXlt(x) > p [1] "2017-02-18 20:47:07 CST" > class(p) [1] "POSIXlt" "POSIXt" //去掉类型，查看当前列表的属性 > names(unclass(p)) [1] "sec" "min" "hour" "mday" "mon" "year" "wday" "yday" [9] "isdst" "zone" "gmtoff" //用变量名$属性 就能查看指定属性 > p$sec [1] 7.927575 //规范化时间输出格式 > x1 <- "一月 1, 2015 01:01" > strptime(x1,"%B %d, %Y %H:%M") [1] "2015-01-01 01:01:00 CST" >
相关推荐：
开班提醒 ]
