xamarin android 列表,android - Xamarin Listview grouping - Stack Overflow

The code that does not work is here

var partnersSorted = from item in Partners

orderby item.UserName

group item by item.UserNameSort into PartnersGroup

select new Grouping(PartnersGroup.Key, PartnersGroup);

MonkeysGrouped = new ObservableCollection>(partnersSorted);

So I changed the code.

var sortedPartners = Partners.OrderBy(x => x.UserName).GroupBy(y => y.UserNameSort);

foreach (var item in sortedPartners)

{

PartnersGrouped.Add(new PartnersGrouping(item.Key, Partners.Where(x=>x.UserNameSort == item.Key)));

}

You can see like this.

here is my all scripts

Item is Partner

Item.cs

using System;

namespace NewHeats.Models

{

public class Item

{

public string Id

{

get;

set;

}

public string UserName

{

get;

set;

}

public DateTime RegisterDate

{

get;

set;

}

public string Field

{

get;

set;

}

public string Password

{

get;

set;

}

public int Heats

{

get;

set;

}

public string UserNameSort

{

get

{

if (string.IsNullOrWhiteSpace(UserName) || UserName.Length == 0)

return "?";

return UserName[0].ToString().ToUpper();

}

}

}

}

PartnersGrouping.cs

using System;

using System.Collections.Generic;

using System.Collections.ObjectModel;

namespace NewHeats.Models

{

public class PartnersGrouping : ObservableCollection

{

public K Key { get; private set; }

public PartnersGrouping(K key,IEnumerable items)

{

Key = key;

foreach (var item in items)

{

this.Items.Add(item);

}

}

}

}

PartnersViewModel.cs

using System;

using System.Windows.Input;

using System.ComponentModel;

using System.Collections.ObjectModel;

using Xamarin.Forms;

using NewHeats.Models;

using System.Threading.Tasks;

using System.Diagnostics;

using System.Linq;

using System.Diagnostics.Contracts;

namespace NewHeats.ViewModels

{

public class PartnersViewModel : BaseViewModel

{

public Item Me

{

get;

set;

}

public ObservableCollection Partners { get; set; }

public ObservableCollection> PartnersGrouped { get; set; }

public Item SelectedPartner { get; set; }

public Command LoadPartnersCommand { get; set; }

public PartnersViewModel()

{

Title = "Partners";

Partners = new ObservableCollection();

PartnersGrouped = new ObservableCollection>();

LoadPartnersCommand = new Command(async() =>await ExecuteLoadPartnersCommand());

}

async Task ExecuteLoadPartnersCommand()

{

Contract.Ensures(Contract.Result() != null);

if (IsBusy)

return;

IsBusy = true;

try

{

Me = await MockUsrDataStore.GetItemAsync("naoto");

Partners.Clear();

var allfriends = await MockFriDataStore.GetItemsAsync(true);

var myFriends = allfriends.Where(x => x.MyId == Me.Id);

var allUsers = await MockUsrDataStore.GetItemsAsync(true);

foreach (var item in myFriends)

{

var partner = allUsers.FirstOrDefault(x => x.Id == item.FriendId);

if (partner!=null)

{

Partners.Add(partner);

}

}

var sortedpartners = Partners.OrderBy(x => x.UserName).GroupBy(y => y.UserNameSort);

foreach (var item in sortedpartners)

{

PartnersGrouped.Add(new PartnersGrouping(item.Key, Partners.Where(x=>x.UserNameSort == item.Key)));

}

}

catch (Exception ex)

{

Debug.WriteLine(ex);

}

finally

{

IsBusy = false;

}

}

}

}

PartnerPage.xaml

#2196F3

#96d1ff

#999999

HasUnevenRows="true"

VerticalOptions="FillAndExpand"

IsPullToRefreshEnabled="true"

CachingStrategy="RecycleElement"

IsRefreshing="{Binding IsBusy, Mode=OneWay}"

RefreshCommand="{Binding LoadPartnersCommand}"

ItemSelected="Handle_ItemSelected"

SelectedItem="{Binding SelectedPartner}"

GroupDisplayBinding="{Binding Key}"

IsGroupingEnabled="true"

GroupShortNameBinding="{Binding Key}">

Padding="5"

BackgroundColor="#3498DB">

Aspect="AspectFill"

Grid.Column="0"

Grid.Row="0"

WidthRequest="60"

HeightRequest="60">

Thanks!!

深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
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