分类： 数据结构

单例模式-创建型设计模式 [PHP]

使应用中只存在一个对象的实例，并且使这个单实例负责所有对该对象的调用

final class Singleton{\n    private static ?Singleton $instance = null;\n    public static function getInstance(): Singleton\n    {\n        if (static::$instance === null) {\n            static::$instance = new static();\n        }\n        return static::$instance;\n    }\n    private function __construct(){\n    }\n    private function __clone(){\n    }\n    private function __wakeup(){\n    }\n}

类型前面的问号表示参数或返回值可为空（null）,是PHP7的新特性例如，?string str 表示str的值可以为null或字符串此用法不只局限于静态类型，类和接口也可使用，例如，?MyInterface

原型模式-创建型设计模式 [PHP]

通过创建一个原型对象，然后复制原型对象来避免通过标准的方式创建大量的对象产生的开销(new Foo())。大量的数据对象(比如通过ORM获取1,000,000行数据库记录然后创建每一条记录对应的对象实体)\n带构造方法、属性的类，clone的性能要比new带上构造参数的性能高不少

这个就是原型,子类继承这个原型来搞,就是原型模式

abstract class BookPrototype\n{\n    protected string $title;\n    protected string $category;\n    abstract public function __clone();\n    public function getTitle(): string\n    {\n        return $this->title;\n    }\n    public function setTitle(string $title)\n    {\n        $this->title = $title;\n    }\n}\nclass BarBookPrototype extends BookPrototype\n{\n    protected string $category = \'Bar\';\n\n    public function __clone()\n    {\n    }\n}

比如有循环创建对象的情况

$fooPrototype = new FooBookPrototype();\n\nfor ($i = 0; $i < 10; $i++) {\n    $book = clone $fooPrototype;\n    $book->setTitle(\'Foo Book No \' . $i);\n}

pandas dataframe for loop 循环初探

DataFrame直接使用for循环时，按以下顺序获取列名；使用iteritems（）方法，可以获取列名称和pandas.Series类型的元组，元组对应每个列的数据；使用iterrows()方法，可以获得每一行的数据（pandas.Series类型）和列名与具体值的元组

pandas dataframe 是表格型的数据结构，它含有一组有序的列，每列可以是不同的值类型。具体的介绍不做细说，直奔中心问题，一个dataframe怎么做循环？

以下面代码实例为具体介绍，从代码中我们可以看到dataframe的具体创建方式之一，而且是指定了index，当然我们可以不指定index而是通过后续的set index来修改index的值，这些操作我们可以通过之前的篇幅来具体了解。

import pandas as pd

df = pd.DataFrame({'age': [24, 42, 18, 60],
                   'location': ['beijing', 'shanghai', 'beijing', 'shenzhen'],
                   'score': [74, 92, 88, 99],
                   'name': ['huahua', 'mingming', 'laowang', 'xiaowang']},
                  index=['1', '2', '3', '4'])
print(df)
   age  location      name  score
1   24   beijing    huahua     74
2   42  shanghai  mingming     92
3   18   beijing   laowang     88
4   60  shenzhen  xiaowang     99

直接对dataframe做for loop 或者 调用__iter__

直接对dataframe做for循环和调用它的__iter__()方法效果是一样的。都是顺序获取列名。

for d in df:
    print(d)
    print("=====")
for d in df.__iter__():
    print(d)
    print("============")
age
=====
location
=====
name
=====
score

DataFrame.iteritems() 逐列检索

使用iteritems（）方法，可以获取列名称和pandas.Series类型的元组，元组对应每个列的数据；

for d in df.iteritems():
    print(d)
    print(type(d))
    print("=========")

我们截取部分输出可以看到，iteritems循环得到的是一个个的tupel对象，而tuple第一个值是str类型的对应的列名称；tuple的第二个值是一个pandas.Series类型的对象，报名此列所有行的索引值以及其具体的列值

('age', 1    24
2    42
3    18
4    60
Name: age, dtype: int64)
<class 'tuple'>
=========
('location', 1     beijing
2    shanghai
3     beijing
4    shenzhen
Name: location, dtype: object)
<class 'tuple'>
=========
dataframe iteritems方法循环

DataFrame.iterrows() 逐行检索

使用iterrows()方法，可以获得每一行的数据（pandas.Series类型）和列名与具体值的元组

for d in df.iterrows():
    print(d)
    print(type(d))
    print("=========")

同样我们从部分的输出结果可以看出来，iterrows的效果是和iteritems相对的。iterrows方法返回的依旧是一个tuple对象，而tuple的第一个值是对应的该行所对应的index值，而tuple第二个值依旧是一个pands.Series类型的对象，该Series包含的此行对应所有列的列名及其具体的值。

('1', age              24
location    beijing
name         huahua
score            74
Name: 1, dtype: object)
<class 'tuple'>
=========
('2', age               42
location    shanghai
name        mingming
score             92
Name: 2, dtype: object)
<class 'tuple'>
=========

其实dataframe还有其它的循环方法，具体的内容此篇不去复述了，平时我们处理数据用到比较多的就是以上几种情况。