活动介绍

Rust数据结构与模块系统入门

立即解锁
发布时间: 2025-09-04 01:52:02 阅读量: 17 订阅数: 25 AIGC
PDF

Rust编程核心概念精讲

### Rust 数据结构与模块系统入门 #### 1. 字符串操作 在 Rust 中,字符串内部是一个字节向量,并且采用 UTF - 8 编码,这意味着字符串中的每个字符可能占用 1 到 4 个字节。 **1.1 访问字符串的字节和字符** 由于字符占用字节数不同,直接使用索引访问字节或字符可能会导致问题。例如,若第一个字符由 2 个字节组成,访问索引为 0 的字节,该字节本身并不代表任何字符。因此,Rust 不允许使用索引访问字节或字符,示例代码如下: ```rust fn main() { let s1 = String::from("hello"); let s2 = String::from("Привет"); let len1 = s1.len(); let len2 = s2.len(); println!("len1 = {}, len2 = {}", len1, len2); } ``` 在上述代码中,`s1` 每个字符占 1 个字节,长度为 5;`s2` 每个字符占 2 个字节。若尝试使用索引访问字符串,如 `println!("{}", s1[0]);`,代码将无法编译。 **1.2 字符串切片** 可以使用切片来访问字符串的部分内容,前提是切片的起始和结束索引是有效的字符边界。例如: ```rust fn main() { let s1 = String::from("hello"); let s2 = String::from("Привет"); println!("{:?}", &s1[0..1]); println!("{:?}", &s2[0..4]); } ``` 若尝试使用无效的切片索引,如 `&s2[0..3]`,程序将在运行时崩溃。 **1.3 查看字符串的字符和字节** 可以使用 `chars` 和 `bytes` 方法查看字符串中的所有字符和字节,示例代码如下: ```rust fn main() { let s1 = String::from("hello"); let s2 = String::from("Привет"); println!("{:?}", s1.chars()); println!("{:?}", s1.bytes()); println!("{:?}", s2.chars()); println!("{:?}", s2.bytes()); } ``` #### 2. 哈希映射(Hash Map) 哈希映射 `HashMap<K, V>` 是一种存储键值对的集合,通过键来访问值。每个键唯一对应一个值,Rust 使用哈希函数来存储键值对,以便快速定位。 **2.1 创建哈希映射** 使用 `new` 函数创建哈希映射,使用 `insert` 方法插入元素。若插入已存在的键并赋予不同的值,旧值将被覆盖,示例代码如下: ```rust use std::collections::HashMap; fn main() { let mut currencies = HashMap::new(); currencies.insert("India", "Rupees"); currencies.insert("United States", "USD"); currencies.insert("United Kingdom", "GBP"); currencies.insert("India", "INR"); println!("{:?}", currencies); } ``` 从输出可以看出,哈希映射的元素打印顺序与插入顺序可能不同。 **2.2 访问哈希映射中的值** 使用 `get` 方法通过键访问值,该方法返回 `Option<&V>` 枚举。若键存在,返回 `Some`;否则返回 `None`,示例代码如下: ```rust use std::collections::HashMap; fn main() { let mut currencies = HashMap::new(); currencies.insert("India", "INR"); currencies.insert("United States", "USD"); currencies.insert("United Kingdom", "GBP"); let currency_usa = currencies.get("United States"); let currency_china = currencies.get("China"); println!("Currency of USA is: {:?}", currency_usa); println!("Currency of China is: {:?}", currency_china); } ``` **2.3 遍历哈希映射** 可以使用 `for` 循环遍历哈希映射的所有键值对,示例代码如下: ```rust use std::collections::HashMap; fn main() { let mut currencies = HashMap::new(); currencies.insert("India", "INR"); currencies.insert("United States", "USD"); currencies.insert("United Kingdom", "GBP"); for (key, value) in &currencies { println!("{} : {}", key, value); } } ``` **2.4 删除哈希映射中的值** 使用 `remove` 方法删除哈希映射中的键值对,示例代码如下: ```rust use std::collections::HashMap; fn main() { let mut currencies = HashMap::new(); currencies.insert("India", "INR"); ```
corwn 最低0.47元/天 解锁专栏
赠100次下载
继续阅读 点击查看下一篇
profit 400次 会员资源下载次数
profit 300万+ 优质博客文章
profit 1000万+ 优质下载资源
profit 1000万+ 优质文库回答
复制全文

相关推荐

李_涛

知名公司架构师
拥有多年在大型科技公司的工作经验,曾在多个大厂担任技术主管和架构师一职。擅长设计和开发高效稳定的后端系统,熟练掌握多种后端开发语言和框架,包括Java、Python、Spring、Django等。精通关系型数据库和NoSQL数据库的设计和优化,能够有效地处理海量数据和复杂查询。
最低0.47元/天 解锁专栏
赠100次下载
百万级 高质量VIP文章无限畅学
千万级 优质资源任意下载
千万级 优质文库回答免费看

最新推荐

利用Kaen实现PyTorch分布式训练及超参数优化

### 利用Kaen实现PyTorch分布式训练及超参数优化 #### 1. 启用PyTorch分布式训练支持 在进行模型训练时,我们可以使用Kaen框架来支持PyTorch的分布式训练。以下是相关代码示例: ```python train_glob = os.environ['KAEN_OSDS_TRAIN_GLOB'] if 'KAEN_OSDS_TRAIN_GLOB' in os.environ else 'https://raw.githubusercontent.com/osipov/smlbook/master/train.csv' val_glob = os.environ['

模型生产化:从本地部署到云端容器化

# 模型生产化:从本地部署到云端容器化 ## 1. 引入 FastAPI 在将模型投入生产的过程中,我们首先要安装 FastAPI。由于 FastAPI 是一个 Python 模块,我们可以使用 pip 进行安装。打开一个新的终端,运行以下命令: ```bash $ pip install fastapi uvicorn aiofiles jinja2 ``` 这里我们安装了一些 FastAPI 所需的额外依赖项。uvicorn 是一个用于设置 API 的底层服务器/应用程序接口,而 aiofiles 则使服务器能够异步处理请求,例如同时接受和响应多个独立的并行请求。这两个模块是 FastA

使用PyTorch构建电影推荐系统

### 使用 PyTorch 构建电影推荐系统 在当今数字化时代,推荐系统在各个领域都发挥着至关重要的作用,尤其是在电影推荐领域。本文将详细介绍如何使用 PyTorch 构建一个电影推荐系统,从数据处理到模型训练,再到最终的推荐生成,为你呈现一个完整的推荐系统构建流程。 #### 1. 数据探索与处理 首先,我们需要对 MovieLens 数据集进行探索和处理。该数据集包含用户对电影的评分信息,其中存在一些缺失的评分值,用 NaN 表示。我们的目标是利用非空评分训练推荐系统,并预测这些缺失的评分,从而为每个用户生成电影推荐。 以下是处理数据集的代码: ```python import p

利用PyTorch进行快速原型开发

### 利用 PyTorch 进行快速原型开发 在深度学习领域,快速搭建和验证模型是非常重要的。本文将介绍两个基于 PyTorch 的高级库:fast.ai 和 PyTorch Lightning,它们可以帮助我们更高效地进行模型的训练和评估。 #### 1. 使用 fast.ai 进行模型训练和评估 fast.ai 是一个基于 PyTorch 的高级库,它可以让我们在几分钟内完成模型的训练设置。下面是使用 fast.ai 训练和评估手写数字分类模型的步骤: ##### 1.1 模型训练日志分析 在训练过程中,我们可以看到冻结网络的第一个训练周期,然后是解冻网络的两个后续训练周期。日志中

电力电子中的Simulink应用:锁相环、静止无功补偿器与变流器建模

# 电力电子中的Simulink应用:锁相环、静止无功补偿器与变流器建模 ## 1. 锁相环(PLL) ### 1.1 锁相环原理 锁相环(PLL)是一种控制算法,用于确定正弦输入的频率和相位角。它主要用于两个系统之间的频率匹配,匹配完成后会存在一个恒定的相位差,从而实现相位“锁定”。PLL由相位检测机制、PID控制器和用于生成相位角信息的振荡器组成。此外,系统中还包含一个低通滤波器,用于获取正弦输入的频率信息。在柔性交流输电系统(FACTS)设备中,PLL增益对稳定系统性能起着至关重要的作用。 ### 1.2 Simulink环境下的PLL设置 为了直观展示PLL如何反映频率和相位的变化

二维和三维偏微分方程耦合求解及生命科学中常微分方程问题的解决

### 二维和三维偏微分方程耦合求解及生命科学中常微分方程问题的解决 #### 1. 二维和三维偏微分方程耦合求解 在求解二维和三维偏微分方程时,有几个具体的问题和解决方法值得探讨。 ##### 1.1 获取相同网格点的 v 值 要在与 u 相同的网格点上获取 v 值,可以输入以下命令: ```matlab >> T_table=tri2grid(p,t,u(length(p)+1:end,end),x,y) ``` 示例结果如下: ``` T_table = 0.6579 0.5915 0.5968 0.6582 0 0.6042 0.4892 0.5073 0.6234 0 0.543

模糊推理系统对象介绍

# 模糊推理系统对象介绍 ## 1. fistree 对象 ### 1.1 概述 fistree 对象用于表示相互连接的模糊推理系统树。通过它可以创建一个相互关联的模糊推理系统网络。 ### 1.2 创建方法 可以使用以下语法创建 fistree 对象: ```matlab fisTree = fistree(fis,connections) fisTree = fistree( ___ ,'DisableStructuralChecks',disableChecks) ``` - `fisTree = fistree(fis,connections)`:创建一个相互连接的模糊推理系统对象

强化学习与合成数据生成:UnityML-Agents深度解析

# 强化学习与合成数据生成:Unity ML - Agents 深度解析 ## 1. 好奇心奖励与超参数设置 在强化学习中,为了激发智能体的好奇心,可以传递与外在奖励相同的超参数。具体如下: - **好奇心奖励信号超参数**: - `reward_signals->curiosity->strength`:用于平衡好奇心奖励与其他奖励(如外在奖励)的缩放系数,取值范围在 0.0 到 1.0 之间。 - `reward_signals->curiosity->gamma`:根据奖励实现所需的时间来调整奖励感知价值的第二个缩放系数,与外在奖励的 `gamma` 类似,取值范围也在

多视图检测与多模态数据融合实验研究

# 多视图检测与多模态数据融合实验研究 ## 1. 多视图检测实验 ### 1.1 实验数据集 实验参考了Wildtrack数据集和MultiviewX数据集,这两个数据集的特点如下表所示: | 数据集 | 相机数量 | 分辨率 | 帧数 | 区域面积 | | ---- | ---- | ---- | ---- | ---- | | Wildtrack | 7 | 1080×1920 | 400 | 12×36 m² | | MultiviewX | 6 | 1080×1920 | 400 | 16×25 m² | ### 1.2 评估指标 为了评估算法,使用了精度(Precision)、

内存优化终极方案:告别Cocos2d-x塔防游戏卡顿与崩溃

![内存优化终极方案:告别Cocos2d-x塔防游戏卡顿与崩溃](https://assetsio.gnwcdn.com/astc.png?width=1200&height=1200&fit=bounds&quality=70&format=jpg&auto=webp) # 1. Cocos2d-x塔防游戏内存问题的根源分析 在开发基于Cocos2d-x的塔防类游戏过程中,内存问题常常成为性能瓶颈的关键诱因。这类游戏通常涉及大量动态对象(如敌人、子弹、塔、特效等)的实时创建与销毁,加之频繁的动画播放与资源加载,极易引发内存抖动、内存泄漏甚至OOM(Out Of Memory)崩溃。问题的根