社区
DataWindow
帖子详情
数据窗口过滤后,刷新的问题。
Smalling_D
2008-10-21 11:57:31
使用dw_1.setfitler("XXXXX")
dw_1.fitler()
再使用dw_1.retrieve(),结果仍然只显示过滤后的数据。我记得retrieve()后,以前的过滤条件应该自动清除。
...全文
252
20
打赏
收藏
数据窗口过滤后,刷新的问题。
使用dw_1.setfitler("XXXXX") dw_1.fitler() 再使用dw_1.retrieve(),结果仍然只显示过滤后的数据。我记得retrieve()后,以前的过滤条件应该自动清除。
复制链接
扫一扫
分享
举报
写回复
配置赞助广告
用AI写文章
20 条
回复
切换为时间正序
请发表友善的回复…
发表回复
打赏红包
jjoulejcc
2008-10-30
打赏
举报
回复
dw.setfilter('')
I_am_Z
2008-10-27
打赏
举报
回复
jf
builderwfy
2008-10-27
打赏
举报
回复
dw_1.setfilter('')
dw_1.retrieve()
wushuizhiyuan
2008-10-27
打赏
举报
回复
[Quote=引用 2 楼 liubocy 的回复:]
retrieve()是设置Primary! 区的数据
dw_1.setfitler("XXXXX")
dw_1.fitler()
是设置Filter!区的数据
retrieve()后不影响Filter!区的数据,也就是Filter!区数据还存在的
[/Quote]
2楼理解很深刻!
LamarChen
2008-10-26
打赏
举报
回复
赶个巧哦
funny2004
2008-10-26
打赏
举报
回复
[Quote=引用 2 楼 liubocy 的回复:]
retrieve()是设置Primary! 区的数据
dw_1.setfitler("XXXXX")
dw_1.fitler()
是设置Filter!区的数据
retrieve()后不影响Filter!区的数据,也就是Filter!区数据还存在的
[/Quote]
同意此观点~~
buffon1260
2008-10-22
打赏
举报
回复
几位专家把答案都说出来了,我蹭点分,呵呵
金大哈
2008-10-22
打赏
举报
回复
楼主结贴吧! 答案都出来了。。。。 我也顺遍接分
编程夜猫
2008-10-21
打赏
举报
回复
[Quote=引用楼主 dx0 的帖子:]
使用dw_1.setfitler("XXXXX")
dw_1.fitler()
再使用dw_1.retrieve(),结果仍然只显示过滤后的数据。我记得retrieve()后,以前的过滤条件应该自动清除。
[/Quote]
不会清除fitler条件的。
sjlion
2008-10-21
打赏
举报
回复
lz记错了,filter条件是要手动清除的
liubocy
2008-10-21
打赏
举报
回复
retrieve()是设置Primary! 区的数据
dw_1.setfitler("XXXXX")
dw_1.fitler()
是设置Filter!区的数据
retrieve()后不影响Filter!区的数据,也就是Filter!区数据还存在的
AFIC
2008-10-21
打赏
举报
回复
你记错了,呵呵。
你想要全部的话
dw_1.setfilter('')
dw_1.retrieve()
jaychensusu
2008-10-21
打赏
举报
回复
正解都出来了,JF!
jlwei888
2008-10-21
打赏
举报
回复
是的,retrieve自动执行了!
AFIC
2008-10-21
打赏
举报
回复
不需要
Smalling_D
2008-10-21
打赏
举报
回复
dw_1.setfilter('')
dw_1.retrieve()
这种写法就不需要再用dw_1.fitler()了?
jlwei888
2008-10-21
打赏
举报
回复
接点分
Smalling_D
2008-10-21
打赏
举报
回复
看样子真是我几错了
guest78978
2008-10-21
打赏
举报
回复
所有楼上回答全部都好
sjq521521
2008-10-21
打赏
举报
回复
顶下1楼。
毕业设计基于android的电影推荐系统
1.1课题背景电影推荐系统是一种利用计算机技术和人工智能算法对用户的历史行为
数据
进行分析,从而准确地推荐用户感兴趣的电影作品的系统。当前,电影产业已经成为全球最具有影响力的文化产业之一,而电影推荐系统在此背景下应运而生。通过对用户的喜好、观影历史和行为进行
数据
收集和分析,电影推荐系统可以满足用户对于个性化推荐的需求,提高用户的观影体验。本论文旨在探讨电影推荐系统的研究背景和目的。首先,本文将回顾电影推荐系统的发展历程,分析当前主流的电影推荐算法并对其进行评价和比较。
pb
数据
窗口
如何按当前列的值
过滤
下拉
数据
窗口
(翻译)
假设我们的订单系统,有"新增"、"待定"、"提交"、"取消"四种状态,新增的定单只能修改为“取消”和“待定”状态,“待定”的订单只能改变为"取消"和"提交"的状态。“取消”和“提交”状态的订单得订单状态不能被改变。 现在我们假设
数据
窗口
把所有的订单都显示了出来,显示的列有“订单号”“订单状态”,订单状态列是可以被更新的,而且订单状态被实现为一下拉
数据
窗口
,下拉
数据
窗口
的显示...
Power BI 中的增量
刷新
本文参考文档:https://docs.microsoft.com/en-us/power-bi/admin/service-premium-incremental-refresh 什么是增量
刷新
? 增量
刷新
数据
。一般情况下,在PowerBI或PowerBI Desktop中点击【
刷新
】按钮,会将
数据
源的
数据
全部
刷新
一遍。假设有2018-2020年的订单
数据
,2018年,2019年的订单
数据
是不发生变化的,2020年的订单
数据
在不断增加,如果全部
刷新
显然会耗时费力,这时候我们就可以使用增量
刷新
了。 注意:.
TSmaster Trace
窗口
保姆级配置指南:从
刷新
率到报文
过滤
,一次搞定
本文详细介绍了TSmaster Trace
窗口
的配置技巧,从
刷新
率优化到报文
过滤
策略,帮助工程师提升调试效率。涵盖多协议支持、四层
过滤
体系构建及界面定制等实用功能,特别适合汽车电子系统开发与诊断场景。
CANoe Trace
窗口
实战:5个高效
过滤
技巧让你秒变总线分析高手
本文详细介绍了CANoe Trace
窗口
的5个高效
过滤
技巧,帮助工程师快速定位关键总线
数据
。从预
过滤
器的战略部署到分析
过滤
器的精准打击,再到列筛选器和时间视图的深度利用,这些技巧能显著提升汽车电子开发与测试的效率,让你秒变总线分析高手。
DataWindow
611
社区成员
20,469
社区内容
发帖
与我相关
我的任务
DataWindow
PowerBuilder DataWindow
复制链接
扫一扫
分享
社区描述
PowerBuilder DataWindow
社区管理员
加入社区
获取链接或二维码
近7日
近30日
至今
加载中
查看更多榜单
社区公告
暂无公告
试试用AI创作助手写篇文章吧
+ 用AI写文章