强大的DataGrid组件[12]_分组(Group)——Silverlight学习笔记[20]

DataGrid中对数据进行分组能辨析数据的内部信息,反映数据间的依存关系。本文将为大家介绍如何在DataGrid中实施数据的分组。

 

需要了解的知识

1PagedCollectionView

它代表了一个有关分组、排序、筛选和导航的分页数据集合。

2PagedCollectionViewGroupDescriptions属性

对分组信息的描述,用于绑定需要分组的字段。

3DataGridRowGroupHeaderStyles属性

用于设置分组标签头的样式。

 

实例

详细的说明在代码注释中给出。

 

MainPage.xaml文件代码:

<UserControl

    xmlns="http://schemas.microsoft.com/winfx/2006/xaml/presentation"

    xmlns:x="http://schemas.microsoft.com/winfx/2006/xaml"

    xmlns:d="http://schemas.microsoft.com/expression/blend/2008" xmlns:mc="http://schemas.openxmlformats.org/markup-compatibility/2006"

    mc:Ignorable="d" xmlns:data="clr-namespace:System.Windows.Controls;assembly=System.Windows.Controls.Data" x:Class="SilverlightClient.MainPage"

    d:DesignWidth="320" d:DesignHeight="480">

    <Grid x:Name="LayoutRoot" Background="White" Width="320" Height="480">

        <data:DataGrid x:Name="dgEmployee" Margin="8,8,8,52" FontSize="14" AutoGenerateColumns="False">

            <data:DataGrid.RowGroupHeaderStyles>

                <!-- 顶层分组样式 -->

                <Style TargetType="data:DataGridRowGroupHeader">

                    <Setter Property="PropertyNameVisibility" Value="Collapsed" />

                    <Setter Property="Background" Value="#99225566" />

                    <Setter Property="Foreground" Value="White" />

                    <Setter Property="SublevelIndent" Value="15" />

                </Style>

                <!-- 顶层以下分组样式 -->

                <Style TargetType="data:DataGridRowGroupHeader">

                    <Setter Property="Background" Value="#44225566" />

                </Style>

            </data:DataGrid.RowGroupHeaderStyles>

            <data:DataGrid.Columns>

                <data:DataGridTextColumn Header="工号" Binding="{Binding EmployeeID}"/>

                <data:DataGridTextColumn Header="姓名" Binding="{Binding EmployeeName}"/>

                <data:DataGridTextColumn Header="年龄" Binding="{Binding EmployeeAge}"/>

                <data:DataGridTextColumn Header="部门" Binding="{Binding DepartmentName}"/>

                <data:DataGridTextColumn Header="级别" Binding="{Binding Level}"/>

            </data:DataGrid.Columns>

        </data:DataGrid>

    </Grid>

</UserControl>

MainPage.xaml.cs文件代码:

using System;

using System.Collections.Generic;

using System.Linq;

using System.Net;

using System.Windows;

using System.Windows.Controls;

using System.Windows.Documents;

using System.Windows.Input;

using System.Windows.Media;

using System.Windows.Media.Animation;

using System.Windows.Shapes;

using System.Windows.Data;

using System.ComponentModel;

 

namespace SilverlightClient

{

    public class Employees

    {

        public int EmployeeID { get; set; }

        public string EmployeeName { get; set; }

        public int EmployeeAge { get; set; }

        public string DepartmentName { get; set; }

        public string Level { get; set; }

    }

 

    public partial class MainPage : UserControl

    {

        public MainPage()

        {

            InitializeComponent();

            this.Loaded += new RoutedEventHandler(MainPage_Loaded);

        }

 

        public List<Employees> GetEmployees()

        {

            List<Employees> returnedValue = new List<Employees>();

            returnedValue.Add(new Employees() { EmployeeID = 1, EmployeeName = "张三", EmployeeAge = 23, DepartmentName = "财务部", Level = "初级" });

            returnedValue.Add(new Employees() { EmployeeID = 2, EmployeeName = "李四", EmployeeAge = 24, DepartmentName = "财务部", Level = "中级" });

            returnedValue.Add(new Employees() { EmployeeID = 3, EmployeeName = "王五", EmployeeAge = 25, DepartmentName = "管理部", Level = "中级" });

            returnedValue.Add(new Employees() { EmployeeID = 4, EmployeeName = "赵六", EmployeeAge = 26, DepartmentName = "管理部", Level = "初级" });

            returnedValue.Add(new Employees() { EmployeeID = 5, EmployeeName = "钱七", EmployeeAge = 27, DepartmentName = "工程部", Level = "中级" });

            returnedValue.Add(new Employees() { EmployeeID = 6, EmployeeName = "孙八", EmployeeAge = 28, DepartmentName = "工程部", Level = "初级" });

            returnedValue.Add(new Employees() { EmployeeID = 7, EmployeeName = "小赵", EmployeeAge = 26, DepartmentName = "财务部", Level = "中级" });

            returnedValue.Add(new Employees() { EmployeeID = 8, EmployeeName = "小钱", EmployeeAge = 28, DepartmentName = "财务部", Level = "高级" });

            return returnedValue;

        }

 

        void MainPage_Loaded(object sender, RoutedEventArgs e)

        {

            PagedCollectionView pcv = new PagedCollectionView(GetEmployees());

            pcv.GroupDescriptions.Add(new PropertyGroupDescription("DepartmentName"));//添加分组信息描述

            pcv.GroupDescriptions.Add(new PropertyGroupDescription("Level"));

            dgEmployee.ItemsSource = pcv;

        }

    }

}

 

最终效果图

 

作者:Kinglee
文章出处:Kinglee’s Blog ( http://www.cnblogs.com/Kinglee/)
版权声明:本文的版权归作者与博客园共有。转载时须注明本文的详细链接,否则作者将保留追究其法律责任。

转载于:https://www.cnblogs.com/Kinglee/archive/2009/08/30/1556864.html

这篇笔记主要介绍了Pandas模块的基本操作和使用方法。Pandas是Python中一个用于数据分析和处理的常用库,提供了高效的数据结构和数据分析工具,是进行数据处理和数据挖掘的重要工具之一。 一、Pandas数据结构 Pandas主要有两种数据结构:Series和DataFrame。 1. Series Series是一种类似于一维数组的对象,由一组数据和一组与之相关的标签(即索引)组成。Series的创建方式如下: ```python import pandas as pd # 通过列表创建Series s = pd.Series([1, 3, 5, np.nan, 6, 8]) # 通过字典创建Series s = pd.Series({'a': 1, 'b': 2, 'c': 3}) ``` 2. DataFrame DataFrame是一种二维表格数据结构,由一组数据和一组行索引和列索引组成。DataFrame的创建方式有很多种,最常用的是通过字典创建。例如: ```python import pandas as pd data = {'name': ['Tom', 'Jerry', 'Mike'], 'age': [18, 20, 22], 'gender': ['M', 'M', 'F']} df = pd.DataFrame(data) ``` 二、Pandas的基本操作 1. 数据读取 Pandas可以读取多种格式的数据文件,如CSV、Excel、SQL等。常用的读取CSV文件的方式如下: ```python import pandas as pd df = pd.read_csv('data.csv') ``` 2. 数据预处理 数据预处理是数据挖掘中非常重要的一部分,Pandas提供了很多方便的函数和方法来进行数据清洗和转换。常用的数据预处理函数和方法有: - 处理缺失值 ```python # 判断是否存在缺失值 df.isnull() # 删除缺失值 df.dropna() # 填充缺失值 df.fillna(value) ``` - 处理重复值 ```python # 删除重复值 df.drop_duplicates() ``` - 数据转换 ```python # 数据类型转换 df.astype() # 数据替换 df.replace() ``` 3. 数据分析 Pandas提供了各种数据分析和处理的方法和函数,常用的包括: - 统计函数 ```python # 计算平均值 df.mean() # 计算标准差 df.std() # 计算最大值和最小值 df.max(), df.min() ``` - 排序 ```python # 按照某列排序 df.sort_values(by='column_name') ``` - 数据聚合 ```python # 对某列数据进行分组求和 df.groupby('column_name').sum() ``` 以上是Pandas模块的基础内容,还有很多高级用法和技巧需要进一步学习和掌握。
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
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