Delphi的in循环

今天无意中看到了一篇文章里面提起到了for in do 循环,之前没有用过的方法。

一、遍历 TStrings
var
List: TStrings;
s: string;
begin
List := TStringList.Create;
List.CommaText := ‘aaa,bbb,ccc’;

for s in List do
ShowMessage(s);

List.Free;
end;

二、遍历数组
var
Arr: array[0..2] of Byte;
i: Integer;
b: Byte;
begin
for i := Low(Arr) to High(Arr) do
Arr[i] := Random(MAXBYTE);

for b in Arr do
ShowMessage(IntToStr(b));
end;

三、遍历子界
{例1}
var
sub: 0..9;
str: string;
begin
str := ”;
for sub in [Low(sub)..High(sub)] do
str := str + IntToStr(sub);

ShowMessage(str); {0123456789}
end;

{例2}
type
TSub = ‘A’..’G’;
var
sub: TSub;
str: string;
begin
str := ”;
for sub in [Low(sub)..High(sub)] do
str := str + sub;

ShowMessage(str); {ABCDEFG}
end;

{例3}
var
sub: Byte; {Byte 应该算是个 0..255 的子界}
num: Cardinal;
begin
num := 0;
for sub in [Low(sub)..High(sub)] do
Inc(num, sub);

ShowMessage(IntToStr(num)); {32640}
end;

四、遍历枚举
type
TEnum = (Red,Green,Blue);
var
enum: TEnum;
count: Integer;
begin
count := 0;
for enum in [Low(enum)..High(enum)] do
Inc(count);

ShowMessage(IntToStr(count)); {3}
end;

五、遍历集合
type
TEnum = (Red,Green,Blue,Yellow);
TSet = set of TEnum;
var
set1: set of TEnum;
set2: TSet;
elem: Tenum;
count: Integer;
begin
set1 := [Red, Yellow];
count := 0;
for elem in set1 do Inc(count);
ShowMessage(IntToStr(count)); {2}

set2 := [Red..Yellow];
count := 0;
for elem in set2 do Inc(count);
ShowMessage(IntToStr(count)); {4}
end;

六、遍历字符串
var
str: string;
c: Char;
begin
str := ‘ABCD’;
for c in str do
ShowMessage(c);
end;

如果你用过C#的话你可能会觉得眼熟,和C#的foreach循环类似。
原作者万一的博客,原址:
http://www.cnblogs.com/del/archive/2008/11/12/1332011.html

内容概要:本文档详细介绍了基于Python实现的POD(本征正交分解)数据降维模型的项目实例。项目旨在通过POD方法将高维数据降维,以提高数据处理效率、降低存储成本、优化计算资源分配、提高模型可解释性、促进跨学科应用、为大数据分析提供解决方案以及提高模型精度和稳定性。项目涵盖了从数据采集与预处理、主成分选择与POD分解、数据重构与恢复、优化算法与计算加速到模型评估与验证的完整流程。此外,项目还提供了详细的代码实现、GUI设计及项目部署方案。适合人群:具备一定编程基础,尤其是对Python编程有一定了解的研发人员和技术爱好者。使用场景及目标:①适用于流体力学模拟、图像处理与压缩、视频分析与处理、生物医学数据分析、金融数据分析、无线通信与信号处理、环境监测与气候变化分析、智能制造与工业自动化等领域;②目标是提高数据处理效率、降低存储成本、优化计算资源分配、提高模型可解释性、促进跨学科应用、为大数据分析提供解决方案以及提高模型精度和稳定性。其他说明:项目采用现代化的技术栈,结合GPU加速、并行计算等优化手段,确保了大数据环境下的高效处理能力。通过引入自动化的主成分选择策略和噪声处理机制,进一步增强了POD降维模型的鲁棒性和适应性。此外,系统也支持实时数据流的处理,确保了在实时应用场景下的快速响应。项目未来计划通过增强算法自适应能力、支持多模态数据融合、加强模型可解释性等方向,不断优化和扩展POD降维技术的应用范围。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值