小编Jan*_*ima的帖子

我正在使用 FlatList，我想创建一个引用，以便在按下一个按钮时能够滚动 FlatList。

问题是我正在使用 Typescript，并且遇到一种我无法解决的类型错误。

问题是，如何为 FlatList 引用创建接口？

这里有一个我正在做的事情的例子。

let flatListRef = useRef();

<FlatList
  ref={flatListRef} // Error Here
  data={store.data}
  ... />

<Button 
  onPress={() =>
    flatListRef.current.scrollToIndex({index:index})
  } />

我遇到的类型错误是当我将 ref 设置为 FlatList 时

错误说：

重载 1 of 2, '(props: FlatListProps<{ data: string; type: number; id: number; }> | Readonly<FlatListProps<{ data: string; type: number; id: number; }>>): FlatList <...>'，给出了以下错误。类型“MutableRefObject”不可分配给类型“LegacyRef<FlatList<{ data: string; 类型：数字；身份证号; }>> | 不明确的'。类型“MutableRefObject”不可分配给类型“RefObject<FlatList<{ data: string; 类型：数字；身份证号; }>>'。“当前”属性的类型不兼容。类型“undefined”不可分配给类型“FlatList<{ data: string;” 类型：数字；身份证号; }> | 无效的'。

重载 2 of 2, '(props: FlatListProps<{ …

我正在尝试使用 Python 将一张图像发送到我的 Lambda 函数，只是为了测试一个项目，但 Postman 给了我一个错误，我不知道如何解决它。

我的代码只是检测关键“图像”中是否有一些数据并返回一些消息。我使用 Postman 发送 POST 请求，单击“正文”选项卡，选择“表单数据”选项，为密钥编写图像，并从我的计算机中选择图像文件（图像大小为 27 kb）。这是我的 Lambda 函数中的代码：

def lambda_handler(event, context):\n    if event['image']:\n        return {\n            "Message": 'Everything went ok'\n        }\n

这是我从邮递员那里收到的错误消息：

\n

{ "message": "无法将请求正文解析为 json: 数值中存在意外\n字符 ('-' (代码 45))：预期数字 (0-9)\n跟随减号，为有效数值\\n在[源：\n(byte[])"----------------------------137965576541301454606184\\r\\n内容处置：表单数据；名称=“图像”；文件名=“TestImage.png”\\r\\n内容类型：\nimage/png\\r\\n\\r\\n\xef\xbf\xbdPNG\\r\\n\\n ... }

\n

我正在学习 sklearn，但我不太明白其中的区别以及为什么将 4 个输出与函数 train_test_split 一起使用。

在文档中，我找到了一些示例，但这还不足以结束我的疑虑。

代码是使用 x_train 来预测 x_test 还是使用 x_train 来预测 y_test？

训练和测试有什么区别？我是否使用 train 来预测测试或类似的东西？

我很困惑。我将在文档中提供以下示例。

>>> import numpy as np  
>>> from sklearn.model_selection import train_test_split  
>>> X, y = np.arange(10).reshape((5, 2)), range(5)  
>>> X
array([[0, 1], 
       [2, 3],  
       [4, 5],  
       [6, 7],  
       [8, 9]])  
>>> list(y)  
[0, 1, 2, 3, 4] 
>>> X_train, X_test, y_train, y_test = train_test_split(  
...     X, y, test_size=0.33, random_state=42)  
...  
>>> X_train  
array([[4, 5], 
       [0, 1],  
       [6, 7]])  
>>> y_train  
[2, 0, …