WedX - журнал о программировании и компьютерных науках

Как сопоставить свойства со значением объекта React Big Calendar

Я использую компонент Big Calendar React, и он требует массив объектов EVENTS с началом и концом для ключей и датами для значений.

// event state
 events: [
    {
      start: new Date(moment('2018-08-11T02:26:00+00:00')),
      end: new Date(moment('2018-08-11T02:26:00+00:00'))
    },
   //... rest of objects
  ]

Я использую избыточность, чтобы ввести свой собственный массив объектов событий, но с другим именем ключа dateGoingLIVE.

Я хочу создать новый массив моего массива объектов, myEvents, с ключом start и end, но со значением моего реквизита dateGoingLive.

const { myEvents } = this.props.myEvents;

const newEvents: [
    {
      start: myEvents.dateGoingLive,
      end: myEvents.dateGoingLive
    },
   //... rest of objects
  ]

Причина, по которой START и END имеют один и тот же реквизит dateGoingLive, заключается в том, что это однодневное событие.

Кстати, оба массива объектов имеют такие свойства, как создатель, имя и т. д., но я не думаю, что это важно вставлять сюда. Если это не так, пожалуйста, дайте мне знать.


Ответы:


1

Вы можете использовать map, чтобы ваш массив объектов с ключом dateGoingLive в массив объектов с ключами start и end.

const { myEvents } = this.props;
const newEvents = myEvents.map(event => ({
  start: event.dateGoingLive,
  end: event.dateGoingLive
}));
07.08.2018
  • вот и все, так что я вижу, как вы создали новое событие и на самом деле сопоставили его оттуда, вместо того, чтобы нажимать или что-то в этом роде, что я пытался сделать. спасибо 07.08.2018
  • Новые материалы

    Объяснение документов 02: BERT
    BERT представил двухступенчатую структуру обучения: предварительное обучение и тонкая настройка. Во время предварительного обучения модель обучается на неразмеченных данных с помощью..

    Как проанализировать работу вашего классификатора?
    Не всегда просто знать, какие показатели использовать С развитием глубокого обучения все больше и больше людей учатся обучать свой первый классификатор. Но как только вы закончите..

    Работа с цепями Маркова, часть 4 (Машинное обучение)
    Нелинейные цепи Маркова с агрегатором и их приложения (arXiv) Автор : Бар Лайт Аннотация: Изучаются свойства подкласса случайных процессов, называемых дискретными нелинейными цепями Маркова..

    Crazy Laravel Livewire упростил мне создание электронной коммерции (панель администратора и API) [Часть 3]
    Как вы сегодня, ребята? В этой части мы создадим CRUD для данных о продукте. Думаю, в этой части я не буду слишком много делиться теорией, но чаще буду делиться своим кодом. Потому что..

    Использование машинного обучения и Python для классификации 1000 сезонов новичков MLB Hitter
    Чему может научиться машина, глядя на сезоны новичков 1000 игроков MLB? Это то, что исследует это приложение. В этом процессе мы будем использовать неконтролируемое обучение, чтобы..

    Учебные заметки: создание моего первого пакета Node.js
    Это мои обучающие заметки, когда я научился создавать свой самый первый пакет Node.js, распространяемый через npm. Оглавление Глоссарий I. Новый пакет 1.1 советы по инициализации..

    Забудьте о Matplotlib: улучшите визуализацию данных с помощью умопомрачительных функций Seaborn!
    Примечание. Эта запись в блоге предполагает базовое знакомство с Python и концепциями анализа данных. Привет, энтузиасты данных! Добро пожаловать в мой блог, где я расскажу о невероятных..


    Для любых предложений по сайту: [email protected]