第一篇:java命令总结
java命令总结
jar
随着JDK安装,在JDK安装目录下的bin目录中存在一个可执行文件,Windows下文件名为jar.exe,Linux下文件名为jar。它的运行需要用到JDK安装目录下lib目录中的tools.jar文件。jar命令行格式为:
jar {ctxu}[vfm0M] [jar-文件] [manifest-文件] [-C 目录] 文件名
其中{ctxu}是jar命令的子命令,每次jar命令只能包含一个子命令,这些子命令含义如下。
-c:创建新的JAR文件包。
-t:列出JAR文件包的内容列表。
-x:展开JAR文件包的指定文件或者所有文件。
-u:更新已存在的JAR文件包(添加文件到JAR文件包中)。
[vfm0M]中的选项可以任选,也可以不选,它们是jar命令的选项参数。
-v:生成具体报告并打印到标准输出。
-f:指定JAR文件名,通常这个参数是必须的。
-m:指定需要包含的MANIFEST清单文件。(指定manifest文件,而不是自动生成)
-0:只存储,不压缩,这样产生的JAR文件包会比不用该参数产生的体积大,但速度更快。
-M:不产生所有项的清单(MANIFEST〕文件,此参数会忽略-m参数。(该参数指定后jar中将没有manifest文件)
(注意:在指定v 和 m时 后面跟着的jar文件与manifest文件的顺序要与vf指定的先后顺序保持一致)
[jar-文件]:即需要生成、查看、更新或者解开的JAR文件包,它是-f参数的附属参数。(生成的jar文件扩展名一般为jar,若为其他也可以)
[manifest-文件]:即MANIFEST清单文件,它是-m参数的附属参数。(扩展名没有限制)
以上在指定文件名时,可以同时指定文件目录
[-C 目录]:表示转到指定目录下去执行这个jar命令的操作。它相当于先使用cd命令转到该目录下,再执行不带-c参数的jar命令,它只能在创建和更新JAR文件包的时候使用(要打包的文件的目录)。
文件名:指定一个文件/目录列表,这些文件/目录就是要添加到JAR文件包中的文件/目录。假如指定了目录,那么jar命令打包的时候会自动把该目录中的所有文件和子目录打入包中(可以指定多个文件,用空格间隔)。
使用JDK的jar命令打包,会自动在压缩包中生成一个META-INF目录,其中有一个MANIFEST.MF文件。
jar cvfm myapplication.jar myapplication.mf-C classdir
java
用法:java [-options] class [args...](直接执行一个类)
或: java-jar [-options] jarfile [args...](执行一个jar文件中指定的类)
[-options]包括以下内容:
1-clientto select the “client” VM
2-serverto select the “server” VM-hotspotis a synonym for the “client” VM[deprecated](The default VM is client.)-cp <目录;zip;jar文件,以“;”进行分隔>用来设定classpath,将会覆盖环境变量中设置的class_path,在程序中可以通过System.getProperty(“java.class.path”)来获取
例:java-cp D:bintest.Test(为目录时,最后一个可以省略)
输出System.getProperty(“java.class.path”):D:bin-classpath同-cp-D
例1:java-Djava.class.path=D:bin test.Test(注意等号前后没有空格)
此句话的作用同4,5中设置classpath是一样的Test类中输出System.getProperty(“java.class.path”):D:bin
例2:java-Djava.class.path=D:bin-Daa=tp test.Test
Test类中输出System.getProperty(“aa”):tp
例3:java-Djava.class.path=D:bin-Daa=tp-Djava.ext.dirs=D:extbin test.Test
这样在执行Test类时,指定Extension ClassLoader/扩展类加载器的装载路径
例4:java-Djava.library.path=......这样在执行Test类时,指定搜索库文件的路径
也可以在程序运行期间调用System.setProperty(String key, String value);来设定。-X
-Xbootclasspath设置和引导类和资源的搜索路径
-Xbootclasspath/a把路径添加到启动类路径的末尾
例3:java-Djava.class.path=D:bin-Xbootclasspath/a:D:toolsjdk1.5lib test.Test
这样在执行Test类时,增加了Bootstrap ClassLoader/启动类加载器的装载路径
-Xbootclasspath/p把路径添加到启动类路径的前面
-X与-D-cp-classpath指定classpath的区别:
要理解区别,就要从jdk的类装载器的装载位置来看:
a, Bootstrap ClassLoader/启动类加载器
主要负责jdk_home/lib目录下的核心 api 或-Xbootclasspath 选项指定的jar包装入工作.b, Extension ClassLoader/扩展类加载器
主要负责jdk_home/lib/ext目录下的jar包或-Djava.ext.dirs 指定目录下的jar包装入工作
c, System ClassLoader/系统类加载器
主要负责java-classpath/-Djava.class.path所指的目录下的类与jar包装入工作.b, User Custom ClassLoader/用户自定义类加载器(java.lang.ClassLoader的子类)
在程序运行期间, 通过java.lang.ClassLoader的子类动态加载class文件, 体现java动态实时类装入特性.-version输出jdk的版本信息并退出-showversion输出jdk的版本信息,如果还指定了其他的option或操作,会继续执行,而不是退出-verbose[:class|gc|jni]enable verbose output-?打印帮助信息-help作用同-? 打印帮助信息
第二篇:stata命令总结
表2-1: 回归分析相关命令一览
命令用途
anova 方差和协方差分析 heckman Heckman 筛选模型
intreg 离散型变量模型,包括Tobit、cnreg 和intreg ivreg 工具变量法(IV 或2SLS)
newey Newey-West 标准差设定下的回归
prais 针对序列相关的Prais-Winsten, Cochrane-Orcutt, or Hildreth-Lu 回归 qreg 分量回归 reg OLS 回归 sw 逐步回归法
reg3 三阶段最小二乘回归
rreg 稳健回归(不同于方差稳健型回归,即White 方法)sureg 似无相关估计
svyheckman 调查数据的Heckman 筛选模型 svyintreg 调查数据的间断变量回归 svyregress 调查数据的线性回归 tobit Tobit 回归
treatreg treatment 效应模型 truncreg 截断回归
表2-2: 时间序列命令一览
命令用途
clemao1 允许结构突变的单位根检验 zandrews dfuller dfgls pperron coin 单方程协整检验
dwstat 参考dwstat2 , durbina2 durbinh
表2-3: Panel Data 模型相关命令一览I 命令模型
统计描述相关命令:
xtdes 变量类型,数据类型描述 xtsum 基本统计量 xttab 按表格形式列示 xtpattern 面板数据的模式 估计相关命令:
xtreg 面板数据模型(固定效应、随机效应)
xtregar 含有AR(1)干扰项的固定效应和随机效应面板数据模型
xtgls 截面-时序混合模型,可处理异方差、组内序列相关和组间相关性 xtpcse OLS or Prais-Winsten models with panel-corrected standard errors xtrchh Hildreth-Houck random coefficients models xtivreg 面板模型的工具变量或两阶段最小二乘法估计 xtabond Arellano-Bond(1991)线性动态面板数据模型估计
xtabond2 Arellano-Bover(1995)系统GMM 动态面板数据模型估计 xttobit Tobit 随机效应面板模型
xtintreg Random-effects interval data regression models xtlogit Fe, Re, Pa logit models xtprobit Re, Pa probit models xtcloglog Re, Pa cloglog models xtpoisson Fe, Re, Pa Poisson models xtnbreg Fe, Re, Pa negative binomial models xtfrontier 面板随机前沿模型
xthtylor Hausman-Taylor estimator for error-components models
表2-4: Panel Data 模型相关命令一览II 命令模型
假设检验相关:
test Wald 检验,如时间效应联合显著性检验 xttest0 随机效应检验 xttest1 面板序列相关检验 xttest2 ads xtserial Wooldridge 一阶序列相关检验 xtab Arellano 面板一阶序列相关检验 hausman Hausman 检验 面板单位根和协整相关: xtunit stata提供的检验方法
ipshin IPS(2003)面板单位根检验
levilin Levin,Lin和Chu(LLC, 2002)面板单位根检验 madfuller Sarno-Taylor(1998)面板单位根检验
xtfisher Maddala和Wu(1999),基于P 值的面板单位根检验
表2-5: Post-estimation Commands 命令名称用途
adjust 列示预测结果的均质,适于多种回归分析,可分组列示 estimates 估计结果的存储、再显示、列表比较等 hausman Hausman 模型识别检验
lincom 获得参数的线性组合,在Logit 模型中可以获得系数线性组合的OR 值 linktest 但方程link 识别检验,用y 对Oy 和Oy2 回归 lrtest 似然比(LR)检验
mfx 计算边际效应和弹性系数 nlcom 系数的非线性组合 predict 获得拟合值、残差等
predictnl 获得非线性估计的拟合值、残差等 test 线性约束的假设检验,Wald 检验 testnl 非线性约束的假设检验
vce 列示参数估计值的方差-协方差矩阵
表2-6: 二维图种类一览
图形种类简单描述 scatter scatterplot line line plot connected connected-line plot scatteri scatter with immediate arguments area line plot with shading bar bar plot spike spike plot dropline dropline plot dot dot plot rarea range plot with area shading rbar range plot with bars rspike range plot with spikes rcap range plot with capped spikes rcapsym range plot with spikes capped with symbols rscatter range plot with markers rline range plot with lines rconnected range plot with lines and markers tsline time-series plot tsrline time-series range plot mband median-band line plot mspline spline line plot lowess LOWESS line plot lfit linear prediction plot qfit quadratic prediction plot fpfit fractional polynomial plot lfitci linear prediction plot with CIs qfitci quadratic prediction plot with CIs fpfitci fractional polynomial plot with CIs function line plot of function histogram histogram plot kdensity kernel density plot 表2-7: 二维图选项一览
选项类别简单描述
added line options draw lines at specified y or x values added text option display text at specified(y,x)value axis options labels, ticks, grids, log scales title options titles, subtitles, notes, captions legend option legend explaining what means what scale(#)resize text, markers, and line widths region options outlining, shading, aspect ratio, size aspect option constrain aspect ratio of plot region scheme(schemename)overall look by(varlist,...)repeat for subgroups nodraw suppress display of graph name(name,...)specify name for graph saving(filename,...)save graph in file advanced options difficult to explain 表2-9: 模拟分析相关命令一览
命令用途备注 抽样相关:
corr2data 产生具有指定相关性的数据仅适用于模拟相关分析 drawnorm invnorm(uniform())产生服从标准正态分布的随机数函数,可调节均值和方差 matuniform(r,c)产生均匀分布函数
sample 从现有数据中进行非重复随机抽样参考bsample sim arma 产生服从ARIMA 过程的随机变量需要下载 Bootstrap 相关: bootstrap bs bstat bsample MC 相关: simulate MC simulation jknife 类似于MC permute postfile 存储MC 的结果 statsby exp list
第三篇:stata命令总结
stata11常用命令
注:JB统计量对应的p大于0.05,则表明非正态,这点跟sktest和swilk检验刚好相反; dta为数据文件; gph为图文件; do为程序文件;
注意stata要区别大小写; 不得用作用户变量名:
_all _n _N _skip _b _coef _cons _pi _pred _rc _weight double float long int in if using with 命令:
读入数据一种方式 input x y 1 4 2 5.5 3 6.2 4 7.7 5 8.5 end su/summarise/sum x 或 su/summarise/sum x,d 对分组的描述: sort group by group:su x %%%%% tabstat economy,stats(max)%返回变量economy的最大值
%%stats括号里可以是:mean,count(非缺失观测值个数),sum(总和),max,min,range,%% sd,var,cv(变易系数=标准差/均值),skewness,kurtosis,median,p1(1%分位
%% 数,类似地有p10, p25, p50, p75, p95, p99),iqr(interquantile range = p75 – p25)_all %描述全部
_N 数据库中观察值的总个数。_n 当前观察值的位置。_pi 圆周率π的数值。list gen/generate %产生数列 egen wagemax=max(wage)clear use by(分组变量)set more 1/0 count %计数
gsort +x(升序)gsort-x(降序)sort x 升序;并且其它变量顺序会跟着改变 label var y “消费” %添加标签 describe %描述数据文件的整体,包括观测总数,变量总数,生成日期,每个变量的存储类型(storage type),标签(label)replace x5=2*y if x!=3 %替换变量值
replace age = 25 in 107 %令第107个观测中age为25 rename y2 u %改变变量名
drop in 2 %删除全部变量的第2行
drop if x==.删去x为缺失值的所有记录
keep if x<2 %保留小于2的数据,其余变量跟随x改变 keep in 2/10 %保留第2-10个数
keep x1-x5 %保留数据库中介于x1和x5间的所有变量(包括x1和x5),其余变量删除
ci x1 x2,by(group)%算出置信区间,不过先前对group要先排序,即sort group;
%by的意思逐个进行
cii 12 3.816667 0.2710343, level(90)%已知均值,方差,计算90%的置信区间
cii 10 2 %obs=10,mean=2,以二项分布形式,计算置信区间 centile x,centile(2.5 25 50 75 97.5)%取分位数 correlate/corr x y z %相关系数
pwcorr x y,sig %给出原假设r=0的命令 %如果变量非服从正态分布,则spearman x y regress/reg mean year %回归方程建立 reg y x,noconstant %无常数项 predict meanhat %预测拟合值 predict e,residual %得到残差 estat hettest % 异方差检验
dwstat % Durbin-Watson自相关检验 vif % 方差膨胀因子
logit y x1 x2 x3(y取0或1,是被解释变量,x1-x3是被解释变量)%logit回归
probit y x1 x2 x3(y取0或1,是被解释变量,x1-x3是被解释变量)%probit回归
tobit y x1 x2 x3(y取值在0和1之间,是被解释变量,x1-x3是被解释变量)%tobit回归
sktest e %残差正态性检验 p>0.05则接受原假设,即服从正态分布; %% sktest是基于变量的偏度和斜度(正态分布的偏度为0,斜度为3)swilk x %基于Shapiro-Wilk检验
%%p值越小,越倾向于拒绝零假设,也就是变量越有可能不服从正态分布 xi %生成虚拟变量 tabulat gender,summ(math)%用gender指标对math进行分类,返回两类math的mean、std、freq tabulate=tab %gen f=int((shengao-164)/3)*3+164 组距为3 tabulate 变量名 [, generate(新变量)missing nofreq nolabel plot ] %%%%% generate(新变量)// 按分组变量产生哑变量 nofreq // 不显示频数 nolabel // 不显示数值标记 plot // 显示各组频数图示 missing // 包含缺失值
cell // 显示各小组的构成比(小组之和为 1)column // 按栏显示各组之构成(各栏总计为 1)row // 按行显示各组之构成(各行总计为 1)%%%%% 求和,求最小? mod(x,y)%求余数
means %返回三种平均值 di normprob(1.96)di invnorm(0.05)di binomial(20,5,0.5)di invbinomial(20,5,0.5)di tprob(10,2)di invt(10.0.05)di fprob(3,27,1)di invfprob(3,27,0.05)di chi2(3,5)di invchi2(3,0.05)stack x y z,into(e)%把三列合成一列 xpose,clear %矩阵转置
append using d: 917.dta %把已打开的文件(x y z)跟0917里的(x y z)合并,是竖向合并,即观察值合并;
merge using D: 917.dta %把已打开的文件(x y z)跟0917里的(a b)合并,是横向合并,即变量合并; format x %9.2e %科学记数 format x %9.2f %2位小数
%产生随机数
%1 产生20个在(0,1)区间上均匀分布的随机数uniform()set seed 100 set obs 20 gen r=uniform()list % clear 清除内存
set seed 200 设置种子数为 200 set obs 20 设置样本量为 20 range no 1 20 建立编号 1 至 20 gen r=uniform()产生在(0,1)均匀分布的随机数 gen group=1 设置分组变量 group 的初始值为 1 sort r 对随机数从小到大排序
replace group=2 in 11/20 设置最大的 10 个随机数所对应的记录
为第2组,即:最小的10个随机数所
对应的记录为第1组 sort no 按照编号排序
list 显示随机分组的结果 也可以list if group==1和list no if group==1 %2 产生10个服从正态分布N(100,6^2)的随机数invnorm(uniform())*sigma+u clear 清除内存
set seed 200 设置种子数为 200 set obs 10 设置样本量为 10 gen x=invnorm(uniform())*6+100 产生服从 N(100,6^2)的随机数 list 画图
注意有些图前面要加 histogram 直方图 line 折线图 scatter 散点图
scatter y x,c(l)s(d)b2(“(a)”)graph twoway connected y x 连点图
graph bar(sum)var2,over(var1)blabel(total)%条形图.graph bar p52 p72,by(d).graph bar p52 p72,over(d).graph bar p52 p72,by(d)stack.graph bar p52 p72,over(d)stack ////////////数据如下 %d p52 p72 %1 163.2 27.4 %2 72.5 83.6 %3 57.2 178.2 histogram x,bin(8)norm %画直方图,加正态分数线
graph pie a b o ab if area==1,plabel(_all percent)%画饼图 graph pie var2, over(var1)plabel(_all percent)%饼图 graph pie p52 p72,by(d)%饼图 graph box y1 %箱体图 qnorm x %qq图 lfit y x %回归直线
graph matrix gender economy math 多变量散点图
line yhat x||scatter y x,c(.l)s(O.)xline(12)yline(5.4)%线形图&散点图
有一些通用的选项可以给图形“润色”:
标题 title(“string”)(string可为任意的字符串,下同)脚注 note(“string”)
横座标标题 xtitle(“string”)纵座标标题 ytitle(“sting”)
横座标范围 xaxis(a,b)(a
connect(c...c)//连接各散点的方式,c表示: 或简写为c(c...c).不连接(缺省值)l 用直线连接
L 沿x方向只向前不向后直线连接 m 计算中位数并用直线连接 s 用三次平滑曲线连接 J 以阶梯式直线条连接
|| 用直线连接在同一纵向上的两点
II 同 ||, 只是线的顶部和底部有一个短横 Symbol(s...s)// 表示各散点的图形,s 表示: 或简写为s(s...s)O 大圆圈(缺省值)S 大方块 T 大三角形 o 小圆圈 d 小菱形 p 小加号.小点 i 无符号
[varname] 用变量的取值代码表示 [_n] 用点的记录号表示
数学函数等都要与generate、replace、display一起使用,不能单独使用 程序文件do use d: 917.dta reg y x corr y x line y x,saving(d:d4)按ctrl+D执行 字符串操作函数:
length(s)%长度函数,计算s的长度, 如,disp length(“ab”)的结果是2 substr(s,n1,n2)%子串函数,获得从s的n1个字符开始的n2个字符组成的字符串, disp substr(“abcdef”,2,3)的结果是“bcd” string(n)%将数值n转换成字符串函数,如,disp string(41)+“f”的结果是“41f” real(s)%将字符串s转换成数值函数,如,disp real(“5.2”)+1的结果是6.2 upper(s)%转换成大写字母函数,如,disp upper(“this”)的结果是“THIS” lower(s)%转换成小写字母函数,如disp lower(“THIS”)的结果是“this” index(s1,s2)%子串位置函数,计算s2在s1中第一次出现的起始位置, 如果s2不
在s1中, 则结果为0。如,disp index(“this”,“is”)的结果是3, 而index(“this”,“it”)的结果是0 trim(s)%去除字符串前面和后面的空格 ltrim(s)%去除字符串前面的空格 rtrim(s)%去除字符串后面的空格
di sign(x)%x>0时取1, x<0时取-1, x=0时取0; 符号函数 di int(x)%去掉x的小数部分, 得到整数(取整函数)sum(x)%获得包括当前记录及以前的所有记录的x 的和。缺失值(missing value)当0处理;求和函数
max(x1,x2,...,Xn)忽略缺失值;最大值函数 min(x1,x2,...,Xn)忽略缺失值;最小值函数 float(x)%将x转换成浮点表示法。
gen yy=cond(x<2,10,11)%条件函数cond(x,a,b)x可以是一个条件, x非0(条件成立)时取a, x为0(条件不成立)时取b。
gen y1=recode(x,2,5)%归组函数recode(x,x1,x2,...xn)gen y2=autocode(x,3,-2,9)%autocode(x,ng,xmin,xmax)自动将区间(xmin,xmax)分成ng个等长的小区间,其结果是包含x值那个小区间的上界值
t检验: gend=x-y ttestd=0 ttestx=y 如果不配对
ttestx1=x2,unpaired ttestx1=x2,unequalunpaired 已知样本均数、标准差和样本数进行t检验:
ttesti 21 1.28 0.92 0.2 %检验均值是否等于0.2 检验两组均数是否相同:
ttesti 11 10 1.9 14 12.8 2.3 检验变量x1和x2的方差是否相同(即:齐性)sdtestx1=x2
一、配对设计的平均水平检验
当总体服从正态分布时,可以选用t检验,否则用非参符号秩检验 signrankd=0
二、平行对照设计的两组资料平均水平统计检验
如果两组资料的方差齐性和相互独立的,并且每组资料服从正态 分布,则用成组t检验,否则可以用成组Wilcoxon秩和检验 ranksum x, by(group)%2组资料中位数比较 kwallis x, by(group)%多组资料中位数比较 anova x t id %x为因变量,t跟id是因素 egenr=rank(x),by(id)%产生秩r 单因素方差分析: 单因素方差分析又称为OnewayANOVA,用于比较多组样本的均数是否相同,并假定:每组的数据服从正态分布,具有相同的方差,且相互独立,则无 效假设Ho:各组总体均数相同。在STATA中可用命令:
oneway x group, mean bonferroni %bonferroni用于多组样本均数的两两比较检验
logrank t outcome, by(group)%单因素生存分析 两因素方差分析
多因素方差分析:anova y x1 x2 x1*x2
第四篇:AutoCAD2017命令总结
AutoCAD2017命令总结
直线:L+空格
画直线时点三点:C+空格键可以使三条线形成闭合状态 画圆:C+空格
ESC取消一切命令
单击右键可以回到上一步命令(控制在250毫秒内)正交:F8切换正交
绘制线段:光标指定方向,输入数字+空格键 指定长度:输入数字+Tab 指定角度:输入数字+enter 打开设置界面:OP 三角形内画圆采用相切三点画圆
圆弧:端点(起点)----中心点-------端点 删除命令:E+空格键
切换圆弧方向:在最后端点时不点击确定,按住Ctrl移动光标即可改变圆弧方向 启动三点圆弧命令:A+空格键 光顺曲线:BLEND+空格键
修剪命令:首先选好不修剪的位置(选择时呈现蓝色)选好后按空格键,这时光标变成红色X点击后即可修剪。
椭圆绘制:EL+空格键(椭圆命令开始系统设置:端点--端点---高)椭圆圆心命令:EL+空格键+C+空格键 椭圆弧命令:EL+空格键+A+空格键
绘制椭圆弧开始命令前要选择好中心点。
样条曲线拟合:绘制后需要调整时应先将捕捉按钮关闭
样条曲线控制点命令:与样条曲线拟合相似,但是更容易操作 多线段:PL+空格键(多用于计算面积)矩形:REC+空格键
圆角矩形:REC+空格键+F+空格键
设置圆角半径 倒角矩形:REC+空格键+C+空格键
设置倒角半径 多边形:POL+空格键 单点命令:PO +空格键
点设置:DDPTYE+空格键(在页面上无法找到点设置快捷方式要牢记)圆环:DOUNT+空格键(直接在页面上单击圆环命令更方便)
第二章:(图例)
示例图形:移动:M+空格键
减选命令:SHIFT+单击所要减选的图形即可 栏选方式:M+空格键+F+空格键
复制命令:单击复制+P(选择上一次点击的对象)+空格键(结束点击空格键)类似选择:选择需要类似选择的一小部分+单击右键 全选:Ctrl+A 快速选择窗口:QSELECT+空格键
(打开快速选择窗口首先要制定范围不然应用将用于所有窗口)
移动捕捉中点:M+空格键(选择需要移动捕捉的对象)按住Shift键单击右键选择中点 移动制定距离:
第五篇:JAVA总结专题
在这忙忙碌碌的这段时间里,经过老师的辅导,迅速的将一点没有学的JAVA基础搞定了!有了基础学习还是好,万事开头难这句话说的太对了,学计算机语言我觉得记忆好的方法就是多打代码,课前预习,课堂上认真听讲,把现学的方法把以前所做的作业用最简便的方法再一次巩固,创新最重要,在后续的学习中,得要加倍努力学习。
其实学java有不懂,要先自己思考。想清楚这句代码是什么意思。为什么要写在这,等等之类的。等你真的搞不明白的时候,就一定要向老师咨询,不要感到有什么丢人的。因为不会是很正常的事。并不是每个人都是天才,一学就会,一学就能运用自如的。学java有一点是非常重要的,就是练习。一段代码要不停的敲,多敲几遍,尤其是自己不熟悉或者不熟练的代码,更要敲。不要感觉到厌烦,其实我感觉敲代码挺好玩的,并不是一件很枯燥的事。
老师平常布置的课后上机练习题一定要做,课后的练习题能够让你把新学到的知识巩固一遍,能够加深记忆,不会让你在以后做题的时候感到没一点思路。
当感觉到不会的时候,千万不要气馁,因为这很正常,现在的学习就是为了培养你有一个逻辑思维,为了以后开发软件的时候有个完整,清晰的思路。
其实,总体来说。学习java很快乐。尤其是当你遇到一道自己不会的题,然后,又通过自己的努力解决了,那时候,那种心情不是用言语来表达的。就好像你遇到一个数学难题,自己解决了之后那种成就感一样。
学java的时候一定要,放松心情,轻轻松松的来学,随时让自己快乐着,这样能够让你能够更快的接受java,千万不要有什么心理负担,因为java的特点之一就是--简单易懂。只要自己努力到了,就一定能够学好java。
学完了JAVA今天我们用项目案例:迷你DVD管理器来巩固了我们所学的所有内容,通过这项目的操练,首先,1、项目用到了会使用顺序、分支、循环、跳转语句编写程序,2、要会使用数组、操作字符串,3、会使用带参的方法;
4、会定义类、创建和使用对象,看到这些脑袋里一片迷茫啊!不知道怎样写,然后想到早写晚写都一样,就照着书上写起来了,到现在还是弄不懂的就是那个对象数组,不知道怎样去理解,抽象的把我抽晕了,有望老师来给我们补补这一章,在实现DVD的业务处理时,计算时差还是不懂,照着书上打了一遍,可还是得不到想要的结果,经过网上的搜寻与老师讲解,现在已略懂一二了,在做完这项目后,真不知道当时是怎样敲出来的,难道这就是所说的灵感!感觉很高兴,现在已习惯了代码报错,其实代码报错是一件值得鼓励的事,因为没有错就觉得自己什么都懂了,在学习中相信每一个人都遇到过挫折吧!但一定要想方法战胜挫折!我的战胜挫折方法就是不懂思考后还不懂就问,懂了以后就笔记本记下当时的解决方案!学习刚开始!后面的路很长,慢慢的去磨炼了!总结完毕!