项目场景：很多时候后端返回来的数据是一个数组包含多个对象的格式，这时需要我们去讲数据格式进行转换才得以展示

问题描述

数据格式可以根据递归进行处理，也可以进行map循环处理
示例如下:
在这里插入图片描述

原因分析：

我用vue2做处理，用的方法是递归~

解决方案：

方案一:
// 函数方法
preOrder(tree, that) {
return tree.reduce((res, node) => {
res.push({ filesId: this.fileId, id: node.id, pid:node.pid,sectionName: node.sectionName })
if (node.children) res = res.concat(that.preOrder(node.children, that))
return res
}, [])
},
// 调用处在这里插入图片描述
方案二：
// 函数方法
在这里插入图片描述
// 调用处
在这里插入图片描述

# vue.js # 前端 # javascript
Logo
DAMO开发者矩阵

DAMO开发者矩阵，由阿里巴巴达摩院和中国互联网协会联合发起，致力于探讨最前沿的技术趋势与应用成果，搭建高质量的交流与分享平台，推动技术创新与产业应用链接，围绕“人工智能与新型计算”构建开放共享的开发者生态。

更多推荐

卡尔曼滤波及其应用

卡尔曼滤波把不准的运动模型和不准的传感器合成当前最可信的状态，并同时给出不确定度。每拍先预测再更新：预测用模型前推并把协方差P撑大；更新用测量纠偏。增益K由P与测量噪声R算出，不是超参；要调的是过程噪声Q和R。P是此刻有多不确定，Q是模型每走一步还要再添多少不确定。机器人中常见于GPS与IMU融合、动态障碍跟踪。

avatar DAMO开发者矩阵

基于蚁群优化算法的直流电机模糊PID控制（Matlab实现）

直流电机因其调速性能优异、响应速度快等特点，在工业控制、电动汽车、机器人等领域有着广泛应用。然而，传统PID控制存在参数固定、难以应对非线性及环境扰动等问题。模糊PID控制虽通过引入模糊逻辑实现了参数自适应调整，但在复杂场景下仍面临规则库构建与参数优化的难题。本文将蚁群优化算法（Ant Colony Optimization, ACO）引入直流电机模糊PID控制系统中，利用其全局寻优能力对模糊PI

avatar DAMO开发者矩阵

基于蚁群优化算法的直流电机模糊PID控制（Matlab实现）

直流电机因其调速性能优异、响应速度快等特点，在工业控制、电动汽车、机器人等领域有着广泛应用。然而，传统PID控制存在参数固定、难以应对非线性及环境扰动等问题。模糊PID控制虽通过引入模糊逻辑实现了参数自适应调整，但在复杂场景下仍面临规则库构建与参数优化的难题。本文将蚁群优化算法（Ant Colony Optimization, ACO）引入直流电机模糊PID控制系统中，利用其全局寻优能力对模糊PI

avatar DAMO开发者矩阵