c# dataGridView列相乘

qq2247028530 2012-06-23 01:48:32

怎写代码在dataGridView里把两列的数相乘等于第三列.即dataGridView里,在列【单价】、【数量】里填数字后,【金额】自动算出来显示。点击保存后把数据插到数据库里。【金额】=【单价】*【数量】

private void button1_Click_1(object sender, EventArgs e)
{
if (dbInsert())
{
MessageBox.Show("新增成功!");
}
}
private Boolean dbInsert()
{
conn = new SqlConnection(@"Data Source=.;Initial Catalog=CS;Persist Security Info=True;User ID=sa;Password=rt");
string strSql = "select [物品名称],[单价],[数量],([单价]*[数量]) AS [金额] from test2 ";

DataTable dtShow = new DataTable();
dtShow = (DataTable)this.dataGridView2.DataSource;



try
{
this.conn.Open();
SqlCommand cmd = new SqlCommand();
cmd.Connection = conn;
foreach (DataRow dr in dtShow.Rows)
{

strSql =
string.Format(
"INSERT INTO test2 (入仓单编号,经手人,物品名称,单价,数量,金额) values ('{0}','{1}','{2}','{3}','{4}','{5}')",
textBox1.Text.Trim(), textBox2.Text.Trim(), dr["物品名称"], dr["单价"], dr["数量"], dr["金额"]
);
cmd.CommandText = strSql;
cmd.ExecuteNonQuery();
}

this.conn.Close();
}
catch (Exception ex)
{
MessageBox.Show(ex.Message.ToString());
return false;
}
for (int i = 0; i < dataGridView2.ColumnCount; i++)
{
dataGridView2.Columns[i].Width = 84;
}

button2.Enabled = false;
dataGridView2.Columns[0].ReadOnly = true;
//之后添加

...全文
269 2 打赏 收藏 转发到动态 举报
写回复
用AI写文章
2 条回复
切换为时间正序
请发表友善的回复…
发表回复
YY757563246 2012-06-24
  • 打赏
  • 举报
回复

int c = Convert.ToInt16(this.dataGridView2.Rows[0].Cells[2].Value.ToString());
int d = Convert.ToInt16(this.dataGridView2.Rows[0].Cells[3].Value.ToString());
dataGridView2.Rows[0].Cells[4].Value = Convert.ToString(c * d);
sihuashanxq 2012-06-23
  • 打赏
  • 举报
回复
添加dataGridVIew的CurrentCellChanged事件
private void dataGridView1_CurrentCellChanged(object sender, EventArgs e)
{
dataGridView1.CurrentRow.Cells["金额"].Value =Convert.ToInt32(dataGridView1.CurrentRow.Cells["单价"].Value) * Convert.ToInt32(dataGridView1.CurrentRow.Cells["数量"].Value);


}

private void button1_Click(object sender, EventArgs e)
{
//取当前行数据保存
}
内容概要:本文提出了一种基于改进扩散模型的高海拔地区新能源高波动出力场景生成方法,并提供了完整的Python代码实现。该方法针对高海拔地区风能、光伏等新能源出力波动剧烈、不确定性高的特点,通过优化扩散模型的结构与训练策略,有效捕捉历史数据的概率分布特征与时序相关性,从而生成高质量、多样化的出力场景。文中详细阐述了模型的数学推导、网络架构设计、损失函数优化及采样算法改进,并通过实验证明其在拟合精度、场景多样性与稳定性方面优于传统生成模型,为电力系统在高比例新能源接入下的规划、调度与风险评估提供了可靠的场景输入支持。; 适合人群:具备一定Python编程能力和机器学习基础,从事新能源发电预测、电力系统分析、智能优化、场景生成等方向研究的科研人员、高校研究生及工程技术人员。; 使用场景及目标:①用于高海拔地区风电、光伏出力的不确定性建模与多场景生成;②支撑含高渗透率新能源的电力系统随机优化调度、鲁棒决策与风险评估;③为相关学术研究、论文复现与算法改进提供可运行的技术方案与代码基础; 阅读建议:建议读者结合所提供的完整资源(代码、数据集、说明文档)进行实践操作,重点关注扩散模型的前向加噪与反向去噪过程的设计细节,以及如何将其适配于新能源时序数据的生成任务,通过参数调优与对比实验深入理解模型的生成机制与性能边界。

1,979

社区成员

发帖
与我相关
我的任务
社区描述
.NET技术 其他语言讨论
社区管理员
  • 其他语言社区
加入社区
  • 近7日
  • 近30日
  • 至今
社区公告
暂无公告

试试用AI创作助手写篇文章吧