Array( [0] => Array ( [pono] => a [no] => 4711,4714 ))
隣接しないデータを表示する
既知の $arrs、
array ( 0 => array ( 'pono' => 'a', 'no' => '4711', ), 1 => array ( 'pono' => 'a', 'no' => '4714', ), 2 => array ( 'pono' => 'b', 'no' => '4714', ), 3 => array ( 'pono' => 'b', 'no' => '4715', ), 4 => array ( 'pono' => 'c', 'no' => '4715', ), 5 => array ( 'pono' => 'c', 'no' => '4716', ),)
次に、データを pono とマージすると、次のようになります:
$tmp=array();$data=array();$i=0;foreach($arrs as $key=>$arr){ if(!empty($tmp) && array_key_exists($arr['pono'],$tmp)){ $key=$tmp[$arr['pono']]; $arr_no=explode(',',$data[$key]['no']); if(!in_array($arr['no'],$arr_no)) $data[$key]['no'].=','.$arr['no']; }else{ $tmp[$arr['pono']]=$i; $data[$i++]=$arr; }}print_r($data);//得到结果:Array( [0] => Array ( [pono] => a [no] => 4711,4714 ) [1] => Array ( [pono] => b [no] => 4714,4715 ) [2] => Array ( [pono] => c [no] => 4715,4716 ))
次に、例の項目のように、隣接しない no のみを表示します。
[0] =>
(
ディスカッションへの返信(解決策)
$arrs = array ( 0 => array ( 'pono' => 'a', 'no' => '4711', ), 1 => array ( 'pono' => 'a', 'no' => '4714', ), 2 => array ( 'pono' => 'b', 'no' => '4714', ), 3 => array ( 'pono' => 'b', 'no' => '4715', ), 4 => array ( 'pono' => 'c', 'no' => '4715', ), 5 => array ( 'pono' => 'c', 'no' => '4716', ),);$tmp=array();$data=array();$i=0;foreach($arrs as $key=>$arr){ if(!empty($tmp) && array_key_exists($arr['pono'],$tmp)){ $key=$tmp[$arr['pono']]; $arr_no=explode(',',$data[$key]['no']); if(!in_array($arr['no'],$arr_no)) $data[$key]['no'].=','.$arr['no']; }else{ $tmp[$arr['pono']]=$i; $data[$i++]=$arr; }}print_r($data);$result = array();foreach($data as $val){ list($a, $b) = explode(',', $val['no']); if(abs($a-$b)!=1){ array_push($result, $val); }}print_r($result);
Array( [0] => Array ( [pono] => a [no] => 4711,4714 ))
ログイン後にコピー
Array( [0] => Array ( [pono] => a [no] => 4711,4714 ))
ありがとうございました!
<?php$arrs = array ( 0 => array ( 'pono' => 'a', 'no' => '4711', ), 1 => array ( 'pono' => 'a', 'no' => '4714', ), 2 => array ( 'pono' => 'b', 'no' => '4714', ), 3 => array ( 'pono' => 'b', 'no' => '4715', ), 4 => array ( 'pono' => 'c', 'no' => '4715', ), 5 => array ( 'pono' => 'c', 'no' => '4716', ), 6 => array ( 'pono' => 'a', 'no' => '4712', ), 7 => array ( 'pono' => 'a', 'no' => '4713', ), 8 => array ( 'pono' => 'a', 'no' => '4719', ),);$tmp=array();$data=array();$i=0;foreach($arrs as $key=>$arr){ if(!empty($tmp) && array_key_exists($arr['pono'],$tmp)){ $key=$tmp[$arr['pono']]; $arr_no=explode(',',$data[$key]['no']); if(!in_array($arr['no'],$arr_no)) $data[$key]['no'].=','.$arr['no']; }else{ $tmp[$arr['pono']]=$i; $data[$i++]=$arr; }}print_r($data);$result = array();foreach($data as $val){ $tmp = explode(',', $val['no']); if(!checkSerialNum($tmp)){ array_push($result, $val); }}print_r($result);// 判????元素是否???字function checkSerialNum($arr){ asort($arr); $arr = array_values($arr); for($i=0,$len=count($arr)-1; $i<$len; $i++){ if(abs($arr[$i]-$arr[$i+1])!=1){ return false; } } return true;}?>
2?? 値を指定しない 'no' の場合をサポートするために少し変更されました。

ホットAIツール

Undresser.AI Undress
リアルなヌード写真を作成する AI 搭載アプリ

AI Clothes Remover
写真から衣服を削除するオンライン AI ツール。

Undress AI Tool
脱衣画像を無料で

Clothoff.io
AI衣類リムーバー

Video Face Swap
完全無料の AI 顔交換ツールを使用して、あらゆるビデオの顔を簡単に交換できます。

人気の記事

ホットツール

メモ帳++7.3.1
使いやすく無料のコードエディター

SublimeText3 中国語版
中国語版、とても使いやすい

ゼンドスタジオ 13.0.1
強力な PHP 統合開発環境

ドリームウィーバー CS6
ビジュアル Web 開発ツール

SublimeText3 Mac版
神レベルのコード編集ソフト(SublimeText3)

ホットトピック











0.この記事は何をするのですか?私たちは、多用途かつ高速な最先端の生成単眼深度推定モデルである DepthFM を提案します。従来の深度推定タスクに加えて、DepthFM は深度修復などの下流タスクでも最先端の機能を実証します。 DepthFM は効率的で、いくつかの推論ステップ内で深度マップを合成できます。この作品について一緒に読みましょう〜 1. 論文情報タイトル: DepthFM: FastMonocularDepthEstimationwithFlowMatching 著者: MingGui、JohannesS.Fischer、UlrichPrestel、PingchuanMa、Dmytr

DDREASE は、ハード ドライブ、SSD、RAM ディスク、CD、DVD、USB ストレージ デバイスなどのファイル デバイスまたはブロック デバイスからデータを回復するためのツールです。あるブロック デバイスから別のブロック デバイスにデータをコピーし、破損したデータ ブロックを残して正常なデータ ブロックのみを移動します。 ddreasue は、回復操作中に干渉を必要としないため、完全に自動化された強力な回復ツールです。さらに、ddasue マップ ファイルのおかげでいつでも停止および再開できます。 DDREASE のその他の主要な機能は次のとおりです。 リカバリされたデータは上書きされませんが、反復リカバリの場合にギャップが埋められます。ただし、ツールに明示的に指示されている場合は切り詰めることができます。複数のファイルまたはブロックから単一のファイルにデータを復元します

Excel で複数の条件によるフィルタリングを使用する方法を知る必要がある場合は、次のチュートリアルで、データを効果的にフィルタリングおよび並べ替えできるようにするための手順を説明します。 Excel のフィルタリング機能は非常に強力で、大量のデータから必要な情報を抽出するのに役立ちます。設定した条件でデータを絞り込み、条件に合致した部分のみを表示することができ、データ管理を効率化できます。フィルター機能を利用すると、目的のデータを素早く見つけることができ、データの検索や整理の時間を節約できます。この機能は、単純なデータ リストに適用できるだけでなく、複数の条件に基づいてフィルタリングすることもできるため、必要な情報をより正確に見つけることができます。全体として、Excel のフィルタリング機能は非常に実用的です。

Google が推進する JAX のパフォーマンスは、最近のベンチマーク テストで Pytorch や TensorFlow のパフォーマンスを上回り、7 つの指標で 1 位にランクされました。また、テストは最高の JAX パフォーマンスを備えた TPU では行われませんでした。ただし、開発者の間では、依然として Tensorflow よりも Pytorch の方が人気があります。しかし、将来的には、おそらくより大規模なモデルが JAX プラットフォームに基づいてトレーニングされ、実行されるようになるでしょう。モデル 最近、Keras チームは、ネイティブ PyTorch 実装を使用して 3 つのバックエンド (TensorFlow、JAX、PyTorch) をベンチマークし、TensorFlow を使用して Keras2 をベンチマークしました。まず、主流のセットを選択します

iPhone のモバイル データ接続に遅延や遅い問題が発生していませんか?通常、携帯電話の携帯インターネットの強度は、地域、携帯ネットワークの種類、ローミングの種類などのいくつかの要因によって異なります。より高速で信頼性の高いセルラー インターネット接続を実現するためにできることがいくつかあります。解決策 1 – iPhone を強制的に再起動する 場合によっては、デバイスを強制的に再起動すると、携帯電話接続を含む多くの機能がリセットされるだけです。ステップ 1 – 音量を上げるキーを 1 回押して放します。次に、音量小キーを押して、もう一度放します。ステップ 2 – プロセスの次の部分は、右側のボタンを押し続けることです。 iPhone の再起動が完了するまで待ちます。セルラーデータを有効にし、ネットワーク速度を確認します。もう一度確認してください 修正 2 – データ モードを変更する 5G はより優れたネットワーク速度を提供しますが、信号が弱い場合はより適切に機能します

テスラのロボット「オプティマス」の最新映像が公開され、すでに工場内で稼働可能となっている。通常の速度では、バッテリー(テスラの4680バッテリー)を次のように分類します:公式は、20倍の速度でどのように見えるかも公開しました - 小さな「ワークステーション」上で、ピッキング、ピッキング、ピッキング:今回は、それがリリースされたハイライトの1つビデオの内容は、オプティマスが工場内でこの作業を完全に自律的に行い、プロセス全体を通じて人間の介入なしに完了するというものです。そして、オプティマスの観点から見ると、自動エラー修正に重点を置いて、曲がったバッテリーを拾い上げたり配置したりすることもできます。オプティマスのハンドについては、NVIDIA の科学者ジム ファン氏が高く評価しました。オプティマスのハンドは、世界の 5 本指ロボットの 1 つです。最も器用。その手は触覚だけではありません

マルチモーダル文書理解機能のための新しい SOTA!アリババの mPLUG チームは、最新のオープンソース作品 mPLUG-DocOwl1.5 をリリースしました。これは、高解像度の画像テキスト認識、一般的な文書構造の理解、指示の遵守、外部知識の導入という 4 つの主要な課題に対処するための一連のソリューションを提案しています。さっそく、その効果を見てみましょう。複雑な構造のグラフをワンクリックで認識しMarkdown形式に変換:さまざまなスタイルのグラフが利用可能:より詳細な文字認識や位置決めも簡単に対応:文書理解の詳しい説明も可能:ご存知「文書理解」 「」は現在、大規模な言語モデルの実装にとって重要なシナリオです。市場には文書の読み取りを支援する多くの製品が存在します。その中には、主にテキスト認識に OCR システムを使用し、テキスト処理に LLM と連携する製品もあります。

世界は狂ったように大きなモデルを構築していますが、インターネット上のデータだけではまったく不十分です。このトレーニング モデルは「ハンガー ゲーム」のようであり、世界中の AI 研究者は、データを貪欲に食べる人たちにどのように餌を与えるかを心配しています。この問題は、マルチモーダル タスクで特に顕著です。何もできなかった当時、中国人民大学学部のスタートアップチームは、独自の新しいモデルを使用して、中国で初めて「モデル生成データフィード自体」を実現しました。さらに、これは理解側と生成側の 2 つの側面からのアプローチであり、両方の側で高品質のマルチモーダルな新しいデータを生成し、モデル自体にデータのフィードバックを提供できます。モデルとは何ですか? Awaker 1.0 は、中関村フォーラムに登場したばかりの大型マルチモーダル モデルです。チームは誰ですか?ソフォンエンジン。人民大学ヒルハウス人工知能大学院の博士課程学生、ガオ・イージャオ氏によって設立されました。
