有哪位大神知道怎样用js动态设置bootstrap table的列样式cellStyle

菜鸟大马 2017-03-10 11:35:35
$(function(){
ininTable();
})
function ininTable(){
for(var i=0;i<icols; i++){
var typeObj = {title:cols[i],field:fields[i],align:'center',valign:'middle'};
if(i==16 || i== 17){
typeObj.cellStyle = lateStyle;
}
ocol.push(typeObj);
}
var data = [
{
latenum:10,//迟到次数
earlynum:3,//早退此时
muchworknum:5,//加班次数
leavenum:6,//请假次数
busynum:5,//出差次数
absentnum:7,//旷工次数
cardnum:0,//补卡次数
uncardnum:5,//未刷卡次数
}
]
$table.bootstrapTable({
data:data,
height: itableHeight,
dataType: "json",
columns: ocol,
pagination: true, //分页
singleSelect: false,
cache: false,
striped: true,
locale:"zh-US", //表格汉化
pageSize: 10,
showColumns:true,
minimumCountColumns:2,
sidePagination: "server", //服务端处理分页
queryParamsType: "",//修改默认参数传递方式
responseHandler:onresponseHandler,//每次从服务器请求数据后触发的事件。
queryParams: GetUserQuery, //给出分页查询参数
contentType: "application/x-www-form-urlencoded; charset=UTF-8",
method:"POST",
});
}
//表格列样式定义,是给单元格td加样式
var lateCo= "black",lateBgCo="#00FF00";//迟到颜色
function lateStyle(value,row,index){
if(row.latenum > 0){
return {
css:{
"color":lateCo,
"background-color":lateBgCo,
}
}
}
return {};
}
一开始页面加载就可以设置列颜色,然后我动态改变lateCo和lateBgCo的颜色值,此时重新运行初始化表格函数 ininTable(),但是颜色改变不了,哪位大神知道问题出在哪了
...全文
3707 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
菜鸟大马 2018-01-13
  • 打赏
  • 举报
回复
不好意思,很少登录账号。我是将列颜色值设置为全局变量,修改为自己所需要的颜色后,直接用一下方法刷新一遍表格即可 $table.bootstrapTable("refresh", { url: "表格数据接口" });
旺枝 2017-11-16
  • 打赏
  • 举报
回复
引用 5 楼 m0_37991778 的回复:
[quote=引用 4 楼 GHY_H5 的回复:] 是不是因为{}包含了return 报错classes的原因
我也是发现这个问题,还找不到解决方法[/quote] 刚测试,return空样式的时候必须是个对象如 return {},不然就会报这个错
旺枝 2017-11-16
  • 打赏
  • 举报
回复
引用 4 楼 GHY_H5 的回复:
是不是因为{}包含了return 报错classes的原因
我也是发现这个问题,还找不到解决方法
GHY_H5 2017-09-18
  • 打赏
  • 举报
回复
怎么解决了,楼主
GHY_H5 2017-09-18
  • 打赏
  • 举报
回复
是不是因为{}包含了return 报错classes的原因
酱油和天下 2017-07-06
  • 打赏
  • 举报
回复
引用 1 楼 maxuanling 的回复:
不会意思,刚发布完,就突然想到解决方法了,谢谢
怎么解决的,我也遇到了这个问题,大神求解
菜鸟大马 2017-03-10
  • 打赏
  • 举报
回复
不会意思,刚发布完,就突然想到解决方法了,谢谢
内容概要:本文介绍了基于MATLAB实现的PSO-KNN多特征分类预测项目,通过将粒子群优化算法(PSO)与K近邻算法(KNN)相结合,解决传统KNN在高维多特征数据分类中面临的参数敏感、特征冗余、分类精度低等问题。项目采用PSO对KNN的关键参数(如K值和特征权重)进行全局寻优,结合数据预处理、特征加权选择、适应度评估与并行化机制,构建了一个高效、自适应的智能分类模型。文中详细阐述了模型架构的各个层级,包括数据预处理、特征加权、参数寻优、粒子群协作策略及分类输出,并提供了部分MATLAB代码示例,涵盖主成分分析、粒子初始化、速度更新、交叉验证与结果可视化等关键步骤。; 适合人群:具备一定机器学习基础和MATLAB编程能力,从事数据分析、智能算法研究或工程应用的研发人员、高校研究生及科研工作者,尤其适合关注智能优化与分类预测融合应用的人员。; 使用场景及目标:①应用于医学诊断、金融风控、工业监测等需要高精度多特征分类的领域;②解决KNN算法在高维数据中的参数选择与特征权重优化难题;③提升分类模型的自动化程度与泛化能力,减少人工调参成本;④为智能算法集成与实际工程落地提供可复用的技术框架。; 阅读建议:此资源以实际项目为导向,结合理论与代码实现,建议读者在理解算法原理的基础上,运行并调试所提供的MATLAB代码,重点关注PSO寻优过程与KNN分类的耦合机制,同时可根据自身数据特点调整适应度函数与参数范围,实现模型迁移与优化。

87,994

社区成员

发帖
与我相关
我的任务
社区描述
Web 开发 JavaScript
社区管理员
  • JavaScript
  • 无·法
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