[JS] 关于parseInt的一个小知识:[‘1‘, ‘2‘, ‘3‘].map(parseInt)

news/2025/1/15 23:03:44/

主要是在笔试里看到了,自己试下。。

let a = ['1', '2', '3'].map(parseInt)
console.log(a)

运行结果:
在这里插入图片描述
反正当时是做错了,QAQ


查了一下原理,感谢大佬的博客:
https://blog.csdn.net/The_X_One/article/details/83584019

  • 查文档,map()的语法:
var new_array = arr.map(function callback(currentValue[, index[, array]]) {// Return element for new_array
}[, thisArg])
  • callback:产生新数组元素的函数,带有三个参数:currentValue、index和array
  • 这些参数被传到了parseInt里面!
  • 所以,所以例子中的parseInt函数应该是:parseInt(“1”,0,arr)、parseInt(“2”,1,arr)、parseInt(“3”,2,arr)。
  • parseInt的语法:
parseInt (string , radix)
  • parseInt函数根据指定的基数radix生成一个整数值,该值由字符串参数string的内容解释决定。字符串中的前导空格被忽略。如果基数未定义或为0,则默认是10。
  • String是你要转换的字符串,radix是进制。(所以默认是10进制呢)
  • 例如:parseInt(‘1’)、parseInt(‘1’,0)以及parseInt(‘1’,10),结果都是1。
  • 同理:parseInt(‘ABCD’,16)结果为43981,而parseInt(‘ABCD’,8)结果为NaN
    在这里插入图片描述
    由此可见:
  • 由于parseInt中只需要两个参数,parseInt(“1”,0,arr)、parseInt(“2”,1,arr)、parseInt(“3”,2,arr)
  • 实为parseInt(“1”,0)、parseInt(“2”,1)、parseInt(“3”,2)。
  • 只有parseInt(“1”,0)是能够被正确解析的,结果为1。
  • parseInt(“2”,1)、parseInt(“3”,2)不能被正确解析,结果为NaN。

http://www.ppmy.cn/news/607441.html

相关文章

torch.nn.Embedding

在pytorch里面实现word embedding是通过一个函数来实现的:nn.Embedding 12345678910111213# -*- coding: utf-8 -*-import numpy as npimport torchimport torch.nn as nnimport torch.nn.functional as Ffrom torch.autograd import Variableword_to_ix {hello: 0, world: 1}…

Yolov3网络架构分析

Yolov3网络架构分析 上图三个蓝色方框内表示Yolov3的三个基本组件:  CBL:Yolov3网络结构中的最小组件,由ConvBnLeaky_relu激活函数三者组成。  Res unit:借鉴Resnet网络中的残差结构,让网络可以构建的更深。  …

常用默认端口号

HTTP服务器,默认的端口号为80/tcp HTTPS(securely transferring web pages)服务器,默认的端口号为443/tcp 443/udp HTTP协议代理服务器常用端口号:80/8080/3128/8081/9098 SOCKS代理协议服务器常用端口号&#xff1…

torch学习笔记(二) nn类结构-Linear

Linear 是module的子类,是参数化module的一种,与其名称一样,表示着一种线性变换。 创建 parent 的init函数 Linear的创建需要两个参数,inputSize 和 outputSize inputSize:输入节点数 outputSize:输出节点数…

大数据必学Java基础(三十五):深入了解关键词this

文章目录 深入了解关键词this 一、创建对象的过程 二、this关键字用法

AI训练与推理芯片

AI训练与推理芯片 训练芯片 1.1.云燧T20 基于邃思2.0芯片打造的面向数据中心的第二代人工智能训练加速卡,具有模型覆盖面广、性能强、软件生态开放等特点,可支持多种人工智能训练场景。同时具备灵活的可扩展性,提供业界领先的人工智能算力集…

机器翻译注意力机制及其PyTorch实现

前面阐述注意力理论知识,后面简单描述PyTorch利用注意力实现机器翻译 Effective Approaches to Attention-based Neural Machine Translation 简介 转存失败重新上传取消转存失败重新上传取消转存失败重新上传取消 Attention介绍 在翻译的时候,选择性的选…

大数据必学Java基础(三十六):深入了解关键词static

文章目录 深入了解关键词static 一、static修饰属性 二、static修饰方法 深入了解关键词static static可以修饰:属性,方法,代码块,内部类。