基于element table合并示例代码

项目需求:将相同得数据合并,相同得数据有且唯一标识符

以下是示例代码:

HTML部分:

<template>
  <div>
    <el-table :data="tableData" style="width: 100%" :span-method="arraySpanMethod">
      <el-table-column type="selection" width="55"/>
      <el-table-column prop="userCode" label="用户编码" width="180"/>
      <el-table-column prop="userName" label="用户名称" width="180"/>
      <el-table-column prop="deptName" label="部门" width="180"/>
      <el-table-column prop="postName" label="岗位" width="180"/>
    </el-table>
  </div>
</template>

JS部分:

<script setup>
import {onMounted, ref} from "vue";

const tableData = ref([
      {
        userId: '1001',
        userCode: 'zhangsan',
        userName: '张三',
        deptName: '销售部',
        postName: '销售员'
      },
      {
        userId: '1001',
        userCode: 'zhangsan',
        userName: '张三',
        deptName: '后勤部',
        postName: '销售员'
      }, {
        userId: '1001',
        userCode: 'zhangsan',
        userName: '张三',
        deptName: '学杂部',
        postName: '李四员'
      }, {
        userId: '1002',
        userCode: 'lisi',
        userName: '李四',
        deptName: '李四部',
        postName: '李四员'
      }, {
        userId: '1002',
        userCode: 'lisi',
        userName: '李四',
        deptName: '销售部',
        postName: '销售员'
      }, {
        userId: '1003',
        userCode: 'wangwu',
        userName: '王五',
        deptName: '王五部',
        postName: '销售员'
      }, {
        userId: '1003',
        userCode: 'wangwu',
        userName: '王五',
        deptName: '王五部',
        postName: '销售员'
      },
    ])
;
const testArr1 = ref([]);
const testPosition1 = ref(0)
const testArr2 = ref([]);
// const testArr3 = ref([]);
onMounted(() => {
  add()
})

function add() {
  testArr1.value = []
  rowspan(testArr1.value, testPosition1.value, "userId");
  rowspan1(testArr2.value, testPosition1.value, "userId", "postName");
  console.log(testArr1.value, "testArr1.value")
  console.log(testArr2.value, "testArr2.value")
}

//获取合并列数组
function rowspan(spanArr, position, spanName) {
  tableData.value.forEach((item, index) => {
    if (index === 0) {
      spanArr.push(1);
      position = 0;
    } else {
      if (tableData.value[index][spanName] === tableData.value[index - 1][spanName]) {
        spanArr[position] += 1;
        spanArr.push(0);
      } else {
        spanArr.push(1);
        position = index;
      }
    }
  })
}

function rowspan1(spanArr, position, spanName, spanName1) {
  tableData.value.forEach((item, index) => {
    if (index === 0) {
      spanArr.push(1);
      position = 0;
    } else {
      if (tableData.value[index][spanName] === tableData.value[index - 1][spanName]
          &&
          tableData.value[index][spanName1] === tableData.value[index - 1][spanName1]) {
        spanArr[position] += 1;
        spanArr.push(0);
      } else {
        spanArr.push(1);
        position = index;
      }
    }
  })
}


// eslint-disable-next-line no-unused-vars
function arraySpanMethod({row, column, rowIndex, columnIndex}) {
  if (columnIndex !== 3 && columnIndex !== 4) {
    let _row = testArr1.value[rowIndex]
    let _col = _row > 0 ? 1 : 0
    return {rowspan: _row, colspan: _col}
  } else if (columnIndex === 4) {
    let _row = testArr2.value[rowIndex]
    let _col = _row > 0 ? 1 : 0
    return {rowspan: _row, colspan: _col}
  }
}
</script>

代码解释说明:

关键点在于 rowspanrowspan1 这两个函数身上一个筛选出来userId相同得数据一个筛选出来同时满足userId和postName得数据,如果其他业务也有需求请自行加判断满足得条件。
  • 6
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
在信号处理领域,DOA(Direction of Arrival)估计是一项关键技术,主要用于确定多个信号源到达接收阵列的方向。本文将详细探讨三种ESPRIT(Estimation of Signal Parameters via Rotational Invariance Techniques)算法在DOA估计中的实现,以及它们在MATLAB环境中的具体应用。 ESPRIT算法是由Paul Kailath等人于1986年提出的,其核心思想是利用阵列数据的旋转不变性来估计信号源的角度。这种算法相比传统的 MUSIC(Multiple Signal Classification)算法具有较低的计算复杂度,且无需进行特征值分解,因此在实际应用中颇具优势。 1. 普通ESPRIT算法 普通ESPRIT算法分为两个主要步骤:构造等效旋转不变系统和估计角度。通过空间平移(如延时)构建两个子阵列,使得它们之间的关系具有旋转不变性。然后,通过对子阵列数据进行最小二乘拟合,可以得到信号源的角频率估计,进一步转换为DOA估计。 2. 常规ESPRIT算法实现 在描述中提到的`common_esprit_method1.m`和`common_esprit_method2.m`是两种不同的普通ESPRIT算法实现。它们可能在实现细节上略有差异,比如选择子阵列的方式、参数估计的策略等。MATLAB代码通常会包含预处理步骤(如数据归一化)、子阵列构造、旋转不变性矩阵的建立、最小二乘估计等部分。通过运行这两个文件,可以比较它们在估计精度和计算效率上的异同。 3. TLS_ESPRIT算法 TLS(Total Least Squares)ESPRIT是对普通ESPRIT的优化,它考虑了数据噪声的影响,提高了估计的稳健性。在TLS_ESPRIT算法中,不假设数据噪声是高斯白噪声,而是采用总最小二乘准则来拟合数据。这使得算法在噪声环境下表现更优。`TLS_esprit.m`文件应该包含了TLS_ESPRIT算法的完整实现,包括TLS估计的步骤和旋转不变性矩阵的改进处理。 在实际应用中,选择合适的ESPRIT变体取决于系统条件,例如噪声水平、信号质量以及计算资源。通过MATLAB实现,研究者和工程师可以方便地比较不同算法的效果,并根据需要进行调整和优化。同时,这些代码也为教学和学习DOA估计提供了一个直观的平台,有助于深入理解ESPRIT算法的工作原理。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

励志做个全栈开发的小男生

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值