一个w_1中有个dw_1 其dataobject为 dw_xianjin_edit

jiery 2014-02-12 10:14:58
dw_xianjin_edit中四列均为dorpdowndw 现在要这个四列联动
选了第一项,第二项过滤,以此类推
...全文
290 7 打赏 收藏 转发到动态 举报
写回复
用AI写文章
7 条回复
切换为时间正序
请发表友善的回复…
发表回复
jiery 2014-02-14
  • 打赏
  • 举报
回复
string ls_new_sql,ls_old_sql
DataWindowChild dw_child_yijikm
This.GetChild("yijikm",dw_child_yijikm) //一级科目
dw_child_yijikm.SetTransObject( SQLCA)
dw_child_yijikm.SetRedraw(False)
//dw_child_yijikm.setfilter(" and levelpcode ='"+string(dw_1.getitemstring(1,'zijinliuxiang'))+"'") //资金流向
//dw_child_yijikm.filter()
dw_child_yijikm.Retrieve(gs_ztdm)
IF dw_child_yijikm.RowCount() <= 0 Then
	dw_child_yijikm.InsertRow(0)
End IF
jiery 2014-02-14
  • 打赏
  • 举报
回复
帮忙搞个例子或者帮忙改下 高手
WorldMobile 2014-02-13
  • 打赏
  • 举报
回复
引用 4 楼 jiery 的回复:
dw_1 itemchanged 代码
string ls_zijinliuxiang,ls_yijicode,ls_yijiname,ls_data
if dwo.name='zijinliuxiang' then
	 if (data <> '' or not(isnull(data))) then 
		ls_zijinliuxiang = data
		declare cs_emp cursor for
		 select levelcode,levelname 
		 from T_B_kemu where ztdm=:gs_ztdm and leveclass=2 and LEFT(levelcode,2) = :ls_zijinliuxiang;
		open cs_emp;
		 fetch cs_emp into :ls_yijicode,:ls_yijiname;
		 ls_data = ''
		 do while sqlca.sqlcode = 0
		    ls_data =ls_data + Trim(ls_yijiname) +"~t" + Trim(ls_yijicode)  +"/"
			
			fetch cs_emp into :ls_yijicode,:ls_yijiname;
		 loop;	
		close cs_emp;
		If len(trim(ls_data)) > 0 Then
			this.setitem(row,'yijikm','')
		   	this.object.yijikm.values = ls_data
		else
			this.setitem(row,'yijikm','')
			this.object.yijikm.values = ""
		end IF
	end if
end if
这样无法改变下拉框的数据源啊
用getchild取出子数据窗口,然后再对子数据窗口进行过滤,你的代码写的是针对下拉列表来实现的,当然不行
jiery 2014-02-13
  • 打赏
  • 举报
回复
我这个窗口 就一个dw dw_1 dw_1的四个列 都为dropdowndw
WorldMobile 2014-02-13
  • 打赏
  • 举报
回复
在每一个数据窗口的itemchanged事件里写代码 如果数据发生变化,就用根据输入的数据,过滤下一个数据窗口里的下拉数据窗口的数据即可 比如 string ls_data ls_data = data datawindowchild ldwc_child dw_2.getchild("一级科目", ldwc_child) //一级科目为你的带下拉数据窗口列名,根据你实际的列名替换掉 ldwc_child.setfilter("科目 like '" + ls_data + "'") //这里写你需要的过滤条件 ldwc_child.filter()
jiery 2014-02-13
  • 打赏
  • 举报
回复
dw_1 itemchanged 代码
string ls_zijinliuxiang,ls_yijicode,ls_yijiname,ls_data
if dwo.name='zijinliuxiang' then
	 if (data <> '' or not(isnull(data))) then 
		ls_zijinliuxiang = data
		declare cs_emp cursor for
		 select levelcode,levelname 
		 from T_B_kemu where ztdm=:gs_ztdm and leveclass=2 and LEFT(levelcode,2) = :ls_zijinliuxiang;
		open cs_emp;
		 fetch cs_emp into :ls_yijicode,:ls_yijiname;
		 ls_data = ''
		 do while sqlca.sqlcode = 0
		    ls_data =ls_data + Trim(ls_yijiname) +"~t" + Trim(ls_yijicode)  +"/"
			
			fetch cs_emp into :ls_yijicode,:ls_yijiname;
		 loop;	
		close cs_emp;
		If len(trim(ls_data)) > 0 Then
			this.setitem(row,'yijikm','')
		   	this.object.yijikm.values = ls_data
		else
			this.setitem(row,'yijikm','')
			this.object.yijikm.values = ""
		end IF
	end if
end if
这样无法改变下拉框的数据源啊
zlf19810306 2014-02-13
  • 打赏
  • 举报
回复
dw_1 的 itemchanged event里写代码 datawindowchild ldc_1,..... choose case dwo.name case columnname1 ..... case columnname2 ..... end choose 通过判断dwo.name 也就是列名,看是哪个列下拉,走对应的分支, 然后用datawindowchild 对象获取下级的dropdowndw,然后用setfilter过滤或者是用retrieve()重新获取 这样就可以四个下拉列表联动
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。
内容概要:本文围绕基于静态约束法的配电网电动汽车接入容量评估展开研究,提出了一种在新型电力系统背景下评估主动配电网对电动汽车承载能力的方法。研究通过构建数学模型,结合潮流计算与关键约束条件(如电压越限、线路过载等),量化分析配电网可承受的最大电动汽车充电负荷容量,旨在识别规模化电动汽车接入带来的潜在运行风险,并为电网规划与运行提供科学依据。文中配套提供了完整的Matlab代码实现,便于仿真验证与结果复现。此外,该研究与分布式光伏承载力评估、电动汽车可调能力分析等方向形成技术联动,展现了多主题协同的研究体系。; 适合人群:具备电力系统分析基础理论知识及Matlab编程能力的高校研究生、科研机构研究人员,以及从事新能源并网、智能配电网规划与运行等相关领域的工程技术人员。; 使用场景及目标:①用于学术研究中的模型复现与论文撰写支撑;②评估实际配电网中电动汽车大规模接入的可行性与安全边界,指导充电基础设施布局;③作为高校教学案例,帮助学生深入理解电网承载力评估的核心原理、建模方法与仿真技术; 阅读建议:建议结合文中提及的相关研究方向(如二阶锥规划、多面体聚合方法等)进行对比学习,充分利用所提供的Matlab代码与网盘资料开展仿真实验,重点关注约束条件的设定逻辑与潮流计算模块的实现细节,以深化对评估模型机理与工程应用价值的理解。
内容概要:本文围绕“考虑隐私保护的分布式联邦学习电力负荷预测研究”展开,提出了一种基于Python实现的联邦学习框架,旨在解决居民或行业电力负荷预测中用户电表数据隐私泄露的风险。该研究通过构建分布式机器学习模型,使各参与方在不共享原始数据的前提下协同训练全局模型,有效实现了数据“可用不可见”。文中详细阐述了联邦学习的整体架构设计、本地模型训练流程、参数加密传输与安全聚合机制,并结合差分隐私等技术进一步增强系统的隐私保护能力。同时,研究利用真实电力负荷数据集进行了实验验证,展示了方法在预测精度与隐私保障之间的良好平衡,并提供了完整的代码实例与复现指南,便于后续研究与应用拓展。; 适合人群:具备一定机器学习基础和电力系统背景知识,从事智慧能源、隐私计算或人工智能相关方向研究的研究生、科研人员及工程技术人员。; 使用场景及目标:① 实现跨区域、跨主体的电力负荷协同预测,打破数据孤岛;② 在确保用户用电数据隐私安全的前提下提升负荷预测准确性;③ 推动联邦学习在智能电网、需求响应、虚拟电厂等场景中的实际部署与应用。; 阅读建议:建议结合文中提供的Python代码与网盘资料进行动手实践,重点关注联邦学习的通信轮次设计、模型聚合算法(如FedAvg)的实现细节以及差分隐私噪声添加策略,深入理解其对模型性能与隐私强度的影响,为进一步优化与创新奠定基础。

611

社区成员

发帖
与我相关
我的任务
社区描述
PowerBuilder DataWindow
社区管理员
  • DataWindow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